跳到主要内容

评审模型要给两万对比对里那一千条以外的样本打分,双人标注只覆盖一千。划分「必须人评」和「机评可做」的尺子是什么?怎样阻止评审器把自身盲点灌进策略?

Agent 学习与策略优化中级学习与策略优

题目​

评审模型要给两万对比对里那一千条以外的样本打分,双人标注只覆盖一千。划分「必须人评」和「机评可做」的尺子是什么?怎样阻止评审器把自身盲点灌进策略?

参考答案​