arXiv cs.CY· Daniel S. Epstein·· 2 小时前AI 评分42
利用传统兵棋推演裁决实践改进 AI 评判与评分
Thumb on the scale: Using traditional wargaming adjudication practices to improve AI-judged evaluations and grading
AI 导读
研究将 11 项传统兵棋推演实践映射至 AI 评估，并在 378 个玩家行动中测试裁决方法。使用 Opus 5 和 Gemini 3.1 Pro 作为裁判 AI，发现不同裁决规则下结果变动率从 3% 到 16% 不等。研究建议在选择裁判 AI 前确定裁决方法，并报告裁判自我不一致的频率。
来源：arXiv cs.CY · arxiv.org