1 含有标签「human-evaluation」

标注员校准差距：当人类评分者悄然失去一致性时

在人类评估项目进行六个月后，评分者间一致性指标实际上是三个不同隐性标准的加权平均值。模型没有发生漂移 —— 而是测量工具发生了漂移。