De juicios inciertos a rankings calibrados: estimación Elo conforme para LLM
Descubre cómo estimar rankings calibrados de LLM sin costosas anotaciones humanas usando Elo conforme y predicción conforme. Mide la incertidumbre real.
#modelo bradley-terry
Ranking consciente de jueces para evaluar LLMs sin verdad de campo
Descubre cómo este marco de ranking consciente de jueces mejora evaluaciones de LLMs sin etiquetas de referencia, optimizando fiabilidad y eficiencia.