arXiv · cs.AI· Wenshuo Zhang, Leixian Shen, Qiqi Zhou, Shuchang Xu, Feiyang Hao, Huamin Qu, Haobo Li, Zhao Chen, Lin-Ping Yuan·· 7 小时前
QuAD：基于内容感知多智能体系统的分布对齐定性数据质量量化评估框架
QuAD: Quantitative Assessment via Distribution-Alignment for Qualitative Data Quality Enabled by a Content-Aware Multi-Agent System
arXiv:2610.23153v1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：Wenshuo Zhang, Leixian Shen, Qiqi Zhou, Shuchang Xu, Feiyang Hao, Huamin Qu, Haobo Li, Zhao Chen, Lin-Ping Yuan
研究任务与主要进展
QuAD 是一个面向定性回复数据集的分析前量化评估框架：它将从回复中重构的内在簇分布与研究者定义的外部分析视角做分布对齐，通过四象限指标联合读取，给出数据是否适合该分析视角的信号。评估依赖视角条件下的回复间差异性，论文提出内容感知多智能体系统，采用两阶段指令生成与自适应锚点提升打分一致性。该方法在合成数据（含鲁棒性与基线对比）和真实社会调查案例上得到验证。
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