Google 研究：AI 评测需要多少评分者才够？

Google Research 发表研究探讨 AI benchmark 中评分者数量与项目数量的权衡。研究发现常见的 1-5 个评分者标准不足以捕捉人类观点的细微差别，若要反映真实的人类分歧通常需要超过 10 个评分者。