★ 2
TasteBench 发布：如何构建真正衡量品味的基准
论文提出 TasteBench，一个覆盖视觉、品牌、书籍与科技品类的成对好坏判断基准，并给出区分工艺判断与应试刷分的控制协议。首轮试点暴露位置偏置（0.956）、文件名词泄漏（0.912）与难度天花板三类效度威胁，并开源评测工具。
arXiv cs.AI19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 TasteBench，一个覆盖视觉、品牌、书籍与科技品类的成对好坏判断基准，并给出区分工艺判断与应试刷分的控制协议。首轮试点暴露位置偏置（0.956）、文件名词泄漏（0.912）与难度天花板三类效度威胁，并开源评测工具。