ai2026/5/29 13:00:00
検出可能効果の事前登録：4ビット量子化ベンチマーク用ペアリングMDEバジェット、パイロット監査付き
ニュース概要
これはペアリングなしパイロット監査を伴う計画方法に関する注記である。古典的なペアリング二項サンプルサイズ計算（Miettinen, 1968）を量子化ベンチマークに適応させ、ペアリングされた最小検出可能効果（MDE）の保守的な下限を提供している。
ニュースタイムライン
2026年6月1日
TeachObs：マルチモーダル教授観察と モデル評価のための人間検証済みベンチマークarXiv cs.CL
2026年6月1日
EHRBench: LLMを用いた臨床意思決定のための自動化された信頼性の高いEHRベースベンチマークarXiv cs.AI
2026年6月1日
GraphARC: グラフベース抽象推論の包括的ベンチマークarXiv cs.AI
2026年6月1日
Gait2Hip-60：マルチケイデンス歩行運動学からの股関節筋力と関節モーメント予測のための統合深層学習ベンチマークarXiv cs.LG
2026年6月1日
BilliardPhys-Bench: マルチモーダルLLMの物理推論と視覚ダイナミクスのベンチマークarXiv cs.AI
2026年6月1日
項目反応理論によるLLMベンチマークの監査arXiv cs.CL
2026年6月2日
大規模言語モデルにおけるインタラクティブ推論の評価:実行可能なゲームを用いた階層的ベンチマークarXiv cs.AI
2026年6月2日
TrustLDM: 言語拡散モデルの信頼性ベンチマークarXiv cs.CL
2026年6月8日
MacArena: オンラインmacOS環境でのコンピュータ利用エージェントのベンチマークarXiv cs.LG
2026年6月8日
UnpredictaBench: LLMにおける分布的ランダム性を評価するためのベンチマークarXiv cs.CL
🤖
記事AI質問チャット
PREMIUMこの記事についてAIが質問に答えます。背景・要約・影響まで深堀り。
ログインして利用🛡️ 読者ファクトチェック0
読者が投稿し、管理者承認後に表示される事実確認情報
まだ承認済みのファクトチェックはありません。
ファクトチェックを投稿するには ログイン が必要です
関連記事
こんな記事も読まれています
コメント (0)
コメント投稿にはログインが必要です。
まだコメントはありません。最初のコメントを書いてみましょう。
この記事について疑問がありますか?
事実誤認や不適切な内容について通報できます (要ログイン)。
異議申し立て・通報