Koşullu Teknoloji & Ölçüm 28 Eki 2026

Yapay zekâya yapay zekâyı puanlatmak güvenilir mi?

Model hakem insanlarla %80'in üzerinde uyuşuyor ama konum ve uzunluk yanlılığı taşıdığı için tek başına nihai karar vermemeli.

Kanıt (2)

GPT-4 hakem ile insan uyumu %80'in üzerinde; insan–insan uyumu düzeyinde. kaynak
Sıra değişince GPT-4 kararlarının yaklaşık %65'i tutarlı kaldı (konum yanlılığı). kaynak

Bizim ölçümümüz: Reaper kaynak karnesi (Ekim 2026): arXiv/DOI künyesi doğrulandı. (reaper_karne.json)

Hükmü ne değiştirir: Sıra değiştirme ve uzunluk denetimi olmadan model hakemin insan panelleriyle %90+ tutarlılık verdiği bağımsız bir ölçüm.

İlgili Başlıklar