jevbench
GautamTalksDev/jevbench
Preregistered, bias-corrected test of TypeSafe Jev's calibration under human disagreement (ChaosNLI, 100 labels per item)
Python
- スター
- 1
- フォーク
- 0
掲載理由
人の注釈が分かれると Jev の確信度が下がるかを調べる独立事前登録 ChaosNLI 研究。実証資料として収録し、較正の結論は保証しない。