arXiv · cs.AI· Yang Ba, Michelle V. Mancenido, Rong Pan·· 11 小时前
SCUR用评审面板行为评估LLM评审的单样本可靠性
Can We Trust This Evaluation? Instance-Level Reliability of LLM-as-a-Judge
arXiv:2610.14029v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yang Ba, Michelle V. Mancenido, Rong Pan
研究任务与主要进展
Yang Ba、Michelle V. Mancenciado和Rong Pan提出Structured Cross-fitted Uncertainty Risk（SCUR），用于估计LLM评审对单个样本的评估可靠性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org