Thinking about High-Quality Human Data
理解人类标注数据质量的完整链路：从标注任务设计、标注员选拔与培训，到一致性度量与真值聚合，并能把多数投票、Raw agreement、Cohen's Kappa、MACE 等方法用于实际标注项目的质量评估与聚合。
文章
免费
有使用限制
Lil'Log
学科树
从研究方向出发，找到想学的具体主题。
分类参考 ICLR 2026 与 NeurIPS 2026 征稿范围，用于学习导航，不代表唯一学术分类。
人工智能 / 评测与可信 AI / 数据质量与基准
数据质量与基准
设计数据集、控制污染并核验评测效度。
2 个资源分类依据 ↗
MITCSAIL