HiBayES：用于人工智能评估的层次贝叶斯建模框架

本研究针对评估大型语言模型等人工智能系统能力时面临的复杂性和不确定性问题，提出了一种层次贝叶斯建模框架HiBayES。该框架在低数据场景下（如每次评估少于20个数据点）能够支持经典问题-答案基准和高级代理评估的稳健推断。HiBayES显著提升了模型参数估计的稳定性和不确定性量化能力，对先进的人工智能系统评估具有重要影响。