Research1 分钟阅读
标题为英语Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement
LLM judges are increasingly used to assess whether AI outputs meet workplace requirements, but agreement on response rankings does not establish agreement on acceptance rates or occupational aggregates. We introduce O*NET-BENCH, an audit suite derived from an existing survey of…
arXiv — cs.AI作者: Harry Lyu, Neil Thompson2026年10月5日 (10月5日)
提供 1 种语言版本AI 摘要：要点
- LLM judges are increasingly used to assess whether AI outputs meet workplace requirements, but agreement on response rankings does not establish agreement on acceptance rates or occupational aggregates
- We introduce O*NET-BENCH, an audit suite derived from an existing survey of…
Research
KZ·AI 512AИнсайт дня
Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement
标签：#arXiv
相关文章
Research专题：Anthropic представляет Claude Duet — нового AI-агента-конкурента Muse#OpenAI#Anthropic1 分钟
Anthropic 以其永远在线的代理“Claude Duet”挑战 Grok Bot、Meta 的 Muse 和 OpenAI 的 Dots
Anthropic 推出了 Claude Duet，这是一款主动式 AI 代理，即使在用户离线时也能自行处理任务。该应用程序基于 Claude Opus 5.5 构建，通过 6,000 多个连接器连接到 Gmail、Slack 和 Stripe 等服务。在此之前需要先获得批准...
The Decoder
Hugging Face Blog
在 ChatGPT 中，您可以使用 PIN 码或 Face ID 隐藏对话
🔒 在 ChatGPT 中，您可以通过 PIN 码或 Face ID 隐藏对话 OpenAI 已开始逐步推出“锁定聊天”功能，该功能可让您保护 ChatGPT 中的个人对话免受陌生人的侵害。用户可以隐藏常规历史记录中的个人或机密聊天记录，并且...
Telegram — BlueScreen.kz
RUЕвропейские пионеры используют модели NVIDIA Earth-2 для прогноза погоды
Модели NVIDIA Earth-2 помогают прогнозировать погоду и климат в Европе.
SMNTCN (Semanticon) — глобальные новости ИИ