★ 3
稀疏重叠下的 LLM 评判者验证
论文证明标注重叠稀疏性是 LLM-as-a-judge 部署决策错误的首要决定因素：5% 成对重叠下错误决策率达 25%，在十个候选中选错最佳评判者的概率为 65%。作者给出最小重叠公式与零成本分层分配方案，并在 10 个 LLM 评判者、四个评估矩阵上验证。
arXiv cs.AI34 天前
#统计推断
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
联邦靶向最大似然估计新算法
靶向最大似然估计（TMLE）此前一直是完全集中式流程，无法适配医院、银行等无法共享个体数据的场景。论文提出首个联邦 TMLE 算法，包含梯度聚合的 FedTMLE-G 与本地自主拟合的 FedTMLE-L 两种框架，并给出有限精度通信协议与误差界。分析还指出数据本地化本身并不构成 TMLE 的隐私…
arXiv cs.LG35 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