研究在控制一、二类错误的前提下，联合AI评分与顺序人工升级以降低检验成本。
推荐理由：它没有把廉价AI裁判当作真值，而是把偏差与噪声纳入正式统计检验，并只对必要样本升级人工验证；这为规模化评测提供可审计方案。
阅读原文