Framework PLACO per prestazioni economiche di team Uomo-IA
Un nuovo framework multi-stadio chiamato PLACO mira a migliorare le prestazioni nei team Uomo-IA riducendo i costi. Il framework affronta compiti di classificazione in cui un umano e un modello combinano gli output. Lavori precedenti utilizzavano la regola di Bayes assumendo indipendenza condizionale tra umano e modello data la verità di base, combinando un etichettatore umano deterministico con un modello probabilistico. PLACO estende questo approccio introducendo un metodo multi-stadio che considera la confidenza del modello a livello di istanza e l'esperienza umana a livello di classe, ottimizzando il rapporto costo-efficacia. L'articolo è pubblicato su arXiv con identificatore 2605.08388.
Fatti principali
- PLACO è un framework multi-stadio per team Uomo-IA.
- Si concentra su prestazioni economiche in compiti di classificazione.
- Il framework combina un etichettatore umano deterministico e un modello probabilistico.
- Lavori precedenti utilizzavano la regola di Bayes con assunzione di indipendenza condizionale.
- PLACO utilizza la confidenza del modello a livello di istanza e l'esperienza umana a livello di classe.
- L'articolo è disponibile su arXiv con ID 2605.08388.
- I team Uomo-IA sono importanti quando né l'umano né l'IA da soli raggiungono prestazioni ottimali.
- L'IA generativa ha ampliato i compiti dei team Uomo-IA alla scrittura e allo sviluppo di algoritmi.
Entità
Istituzioni
- arXiv