基準子集

深度分析

精選子集與回歸加權：HUMANS 為大型語音模型建立以人為本的評估基準

面對大型語音模型評估成本高昂，研究提出以精選小型子集搭配回歸加權，快速預測用戶偏好與模型排名。作者示範僅用五十條樣本即可保留與完整基準高度相關，並以776則人工偏好資料訓練回歸模型，達到顯著提升的人類一致度，提供實務可用的高效替代方案。有助縮短評估時程與成本負擔。