arXiv · cs.AI · Fengxu Yang, Minghui Liwang, Yang Lu, Bo Han, Xianbin Wang, Seyyedali Hosseinalipour · 9 小时前模型评分33
JABER：共享偏差下人机数据标注的序贯质量控制框架
JABER: Sequential Quality Control for Human-AI Data Annotation under Shared Bias
导读
研究者提出 JABER（Joint Alias-Preserving Belief for Evidence Routing），一个在共享偏差下对标签正确性与偏差维持联合贝叶斯后验的序贯质量控制框架，用于指导证据获取与终止决策。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address this challenge, we propose JABER (Joint Alias-Preserving Belief for Evidence Routing), a bias-aware sequential QC framework that maintains a joint Bayesian posterior over label correctness and shared biases to guide evidence acquisition and termination decisions.”
来源：arXiv · cs.AI · arxiv.org