arXiv stat.ML· Liang Twist Shan, Jiahao Ai, Zhimei Ren·· 13 天前AI 评分35
超越标量排行榜：多目标 LLM 竞技场帕累托前沿识别的自适应采样算法
Beyond Scalar Leaderboards: Adaptive Sampling for Pareto Frontier Identification in Multi-Objective LLM Arenas
AI 导读
研究者提出了用于多目标 LLM 竞技场评测的自适应采样算法 VB-EGE，以高效率识别帕累托前沿（Pareto frontier）模型。该算法基于多目标 Bradley-Terry 模型，在积累足够统计证据后逐步剔除模型，具有高概率返回正确前沿的实例相关样本复杂度上界，并在对数因子意义下达到极小化极大最优。
来源：arXiv stat.ML · arxiv.org