★ 3
研究受控评估五个 EEG 基础模型：随机初始化常追平预训练
论文在统一协议下评估五个公开 EEG 基础模型与一个自研 JEPA 风格模型，加入未训练编码器、频谱特征与验证集选层三项对照。结果显示随机初始化在睡眠与情绪任务上追平或超过半数模型的预训练效果，且无模型能胜过五频段对数功率基线。
arXiv cs.LG7 天前
#基准评估
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究揭示对话情绪识别中的单标签假设缺陷
该研究质疑对话情感识别（ERC）中每个话语可分配单一明确情感标签的假设。通过零样本LLM实验，发现错误集中在包含否定、感叹和感叹词的语句中，且跨模型一致，表明基准存在局限。人工重新标注研究显示，仅35%的案例有强一致性，许多情感类别处于低一致性区域。为此，作者提出LLM-as-Judge框架，独立…
arXiv cs.AI54 天前
★ 2
硬预算重复评估中诚实不确定性的锐利极限
论文研究在固定任务网格与硬预算下，重复评估基准分数时认证窄置信区间所需的条件。作者给出最优期望宽度的紧界，并证明自适应策略与固定随机子集设计均可达到该速率。在 LiveCodeBench 回放实验中，任务覆盖设计将中位点估计 MSE 降低 87%，联合证书使 15/16 组置信区间更窄。
arXiv cs.AI38 天前
这个主题的相关资产
相关公司Cognition1