热点事件持续更新
evalstats：面向 LLM 裁判的小样本统计推断工具
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.CL 刊出关于 evalstats 的报道，主题是如何对 LLM 裁判（LLM judge）做统计并信任其结果。报道称，evalstats 是一个开源 Python 包，通过 prediction-powered inference（PPI）为小样本 AI 评估提供九种假设检验，并自动选择校准方法，目标是在样本量有限的评估场景下给出经过校准的统计推断。截至本条更新，该事件仅有这一篇报道，尚无其他来源的补充或后续进展，工具的适用范围、实际效果与使用条件等细节均未在报道中进一步说明。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CL如何对 LLM judge 做统计并信任结果：evalstats 的小样本 AI 评估校准推断
开源 Python 包 evalstats 通过 prediction-powered inference（PPI）为小样本 AI 评估提供九种假设检验，并自动选择校准方法。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。