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
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。
数据科学
按学习目标和前置条件选择资源,再查看对应的学习准备。
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。
以 MySQL 8.0 为环境,从零掌握 SQL 基础查询、复杂查询、集合运算与高级处理,并通过面试题练习应对求职与日常数据工作。
用概率模型和决策算法处理不确定性,学习动态规划、强化学习及部分可观测决策。