提出一种多层自助抽样方法来建模标注者行为,用于解决AI模型评估中的可重复性危机与标注主观偏差问题,结果表明忽略跨项目标注者依赖会显著低估p值,建议增加每个输入的标注者数量以提升统计检验的可靠性。
机构:罗切斯特理工
来源:arXiv 2605.13801 | AI4Papers 论文推荐平台