PLACO：人类-人工智能团队中实现成本效益绩效的多阶段框架

arXiv:2605.08388v1 公告类型：新 摘要：当人类和模型都无法单独实现系统性能时，人类-人工智能团队在提高整体系统性能方面发挥着关键作用。随着强大且易于使用的生成式人工智能模型的出现，一些平凡的任务已经转变为人类人工智能团队的任务。从撰写论文到开发高级算法，人类发现使用人工智能辅助可以前所未有地加快工作节奏。在分类任务中，最终输出是单个硬标签，因此解决人类和模型输出的组合至关重要。先前的工作使用贝叶斯规则优雅地解决了这个问题，假设人类和模型输出在给定基本事实的情况下是有条件独立的。具体来说，它讨论了一种组合方法，使用模型的实例级和人类的类级校准概率来组合单个确定性标记器（人类）和概率标记器（分类器模型）。