新研究将LLM评估建模为张量补全问题

该论文提出将大语言模型的评估视为张量补全问题，利用低秩结构处理稀疏且有噪声的成对人类判断数据，并实现半参数有效的不确定性量化。这为排行榜的统计严谨性提供了新思路。

AI推荐理由 这项研究提示，未来的大模型排行榜可能不再只看分数高低，而是会给出统计置信区间和不确定性，让开发者更清楚分数差异是否真实。若能落地，评估成本也可能因更高效地利用稀疏人工反馈而降低，影响模型选型和迭代决策。