Resolution Diagnostics for Paired LLM Evaluation
تشخص هذه الورقة عجزاً حرجاً في القوة الإحصائية في لوحات المتصدرين الحالية للنماذج اللغوية الكبيرة المزدوجة، كاشفةً أن العديد من التصنيفات الزوجية غير محسومة بسبب عدم كفاية أحجام العينات والاستخدام الواسع النطاق لاختصارات حجم الأثر غير المزدوجة التي تقلل من أحجام العينات المطلوبة بنحو عامل قدره اثنين تقريباً.