DeepMind 新研究：AI 评测基准优化，多少评分者才够用？

Google DeepMind 近日发布了一项关于 AI 评测基准优化的研究，重点探讨了在评估 AI 模型性能时，如何确定合适的评分者数量以平衡评测的准确性与成本。研究指出，当前许多 AI 评测依赖人工评分，但评分者数量不足可能导致结果偏差，而过多则增加资源消耗。通过统计分析，DeepMind 提出了一个框架，帮助设计更高效、可靠的评测方案，确保 AI 模型评估既科学又实用。这项研究有望推动 AI 领域评测标准的改进，为模型开发与比较提供更坚实的依据。