英国AI安全研究院发布HiBayES贝叶斯GLM评测框架

2026年10月7日，英国AI安全研究院（UK AI Security Institute）在其博客发布一篇新论文，提出使用贝叶斯广义线性模型（GLM）评估LLM自动评分器（autograder / LLMs-as-judge），使研究者在用自动评分器做模型评测的同时评估其质量。据该院博客，论文讨论的所有统计模型均已作为开源包发布在GitHub上，论文中展示的全部模型以及所有示例的可复现notebook也一并公开在GitHub。同日该院博客的后续报道称，该论文提出的是HiBayES——一个基于分层贝叶斯广义线性模型（GLM）的统计建模框架，用于应对LLM评测数据的分层嵌套结构、小样本和输出随机性；该框架为AI领域研究者与实践者提供即用型软件包及实现多层贝叶斯GLM的分步指导，论文及博客中报告的全部LLM结果均基于使用该院评测框架Inspect在公开基准上获取的数据。两篇报道均未提及适用地域、收费或额度限制，也未给出与其他评估方法的对比结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。