arXiv:2606.03198v1 Announce Type: cross Abstract: Clinical AI evaluation increasingly delegates scoring to large language models (LLMs) acting as AI raters, yet their scoring behavior across evaluation conditions has not been quantitatively characterized. We address this gap through a factorial study of AI rater behavior in adult type 2 diabetes...
Läs hela artikeln hos källan.
![[Ekstra] Over én million lærere er flyttet over på en åpen kildekode-plattform](https://images.gfx.no/1000/2928/2928382/Skjermbilde%202026-06-17%20kl.%2010.49.41.png)
Kommentarer (0)
Inga kommentarer ännu. Bli först med att kommentera!