精度を超えて: LLM評価における優れた指標としてのバランス精度の活用

このArXiv論文は、単純な精度よりもロバストな指標であるバランス精度が、特にクラスの不均衡があるシナリオでの大規模言語モデル（LLM）のパフォーマンス評価に重要であることを強調しています。YoudenのJ統計量の適用は、この評価のための明確で解釈可能なフレームワークを提供します。