Augmenting Human Evaluation with LLM Judges: How Many Human Reviews Do You Need?

En 3 lignesArticle arXiv proposant un cadre statistique formel pour combiner évaluations LLM et humaines. Utilise un estimateur doublement robuste (missing data) pour déterminer le nombre optimal d'évaluations humaines nécessaires en validation de benchmarks, en fonction de la prédictibilité des jugements LLM.

Résumé généré par Claude — vérifié par l'humain