Kết quả tương tự, vàng khác nhau: đo lường cách lựa chọn tham chiếu di chuyển điểm số chuẩn đa ngôn ngữ
Same Output, Different Gold: Measuring How Reference Choice Moves a Multilingual Benchmark Score
Đoạn trích bài viết
Một điểm tham chiếu so sánh một kết quả hệ thống với một tham chiếu, và sự chú ý về phương pháp nằm gần như hoàn toàn trên thuật ngữ đầu tiên. Chúng ta đo lường thứ hai.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.