相关性测试的代价：模型发布门控应有多严格？

该研究将模型发布门控视为设计问题，提出基于双类潜因子模型的计算方法，用一维积分量化测试通过数与可靠性目标的关系。当测试间存在潜相关性时，更严格的门控虽提升可靠性，但会通过更多好模型；99%可靠性目标在潜相关0.3时需74个测试、相关0.5时需5182个测试，且通过率低于一成。作者还给出基于精确二项边界的门控验证程序，可从标注数据认证门控，即使门控来自固定短名单。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。