★ 2
研究：韩语评分标准让 LLM 评审一致性下降，否定条件句最易分歧
论文为韩语客服对话设计 12 条评分标准，覆盖肯定、否定、条件、例外四种句式并配韩英双语，测试七款低成本模型共 51,744 次请求。韩语评分标准下跨供应商一致性低于英语（kappa 0.687 对 0.745），分歧集中在否定、条件与例外条款，同一模型对语义相同的两条标准给出不同判定占 11–1…
arXiv NLP14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文为韩语客服对话设计 12 条评分标准，覆盖肯定、否定、条件、例外四种句式并配韩英双语，测试七款低成本模型共 51,744 次请求。韩语评分标准下跨供应商一致性低于英语（kappa 0.687 对 0.745），分歧集中在否定、条件与例外条款，同一模型对语义相同的两条标准给出不同判定占 11–1…