Google Research·· 2026-04-01AI 评分50
Google Research 研究如何构建更可靠的 AI 基准：多少名评分者才够？
Building better AI benchmarks: How many raters are enough?
AI 导读
Google Research 的研究发现，AI 基准每项仅用 1、3 或 5 名评分者往往不足，可靠评估通常需要每项超过 10 名评分者。
来源：Google Research · research.google