热点事件持续更新
有界评分量表下双重差分或制造虚假效应
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv cs.CY 发布一项预注册的 LLM-Judge 审计研究，探讨有界评分量表上的双重差分设计是否可能凭空制造交互效应。研究对冻结的教学法 LLM-Judge 发起 990 次调用，主分析未检测到新手或高级画像对支架式教学偏好的影响；唯一名义显著的次要交互出现在“生产性挣扎”子分数上（+0.378 分，p=0.002）。事后构造显示，零差异偏好的模拟仅凭观察到的严重度偏移和量表下限即可复现该交互的 79% 至 85%。目前该研究以预印本形式公开，尚未见同行评议或后续复现报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
预注册审计发现，有界量表下双重差分可凭严重度偏移与量表下限复现79%至85%的交互效应。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · cs.CY（AI+教育/社会）有界评分量表上的双重差分可能制造效应：一项预注册 LLM-Judge 审计的证据
一项预注册审计发现，当评分量表有界时，双重差分设计可能凭空制造出交互效应。研究对冻结的教学法 LLM-Judge 发起 990 次调用，主分析未检测到新手或高级画像对支架式教学偏好的影响，唯一名义显著的次要交互出现在"生产性挣扎"子分数上（+0.378 分，p=0.002）。事后构造显示，零差异偏好的模拟仅凭观察到的严重度偏移和量表下限即可复现该交互的 79% 至 85%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。