p-true

#p-true

Disentangling Question, Response, and Verifier Languages in Multilingual P(True) Self-Evaluation

arXiv cs.CL ↗ · 2026-10-26

该论文通过六语言析因设计，独立考察问题语言、回答语言与验证指令语言对多语言 P(True) 自评估的影响，发现三者分别影响准确率、区分度与校准，且未经验证的评判者会严重扭曲模型表现差距。

0 favorites 0 likes