arXiv · cs.AI· Sida I. Wang·· 11 小时前
研究提出全对比较方法测量LLM评测中的预测、数据与总噪声
Measuring all the noises of LLM Evals
arXiv:2512.21326v3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：Sida I. Wang
研究任务与主要进展
基于论文摘要，研究者定义了LLM评测中的预测噪声、数据噪声及按全方差定律计算的总噪声，并提出对所有LLM模型对进行配对比较的all-pairs comparison方法。
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