arXiv 2025年10月28日作者用七款1B至32B开源权重模型在公开基准上、三种提示条件下每项十次采样共52,500条判断，检验潜类模型关于重复评分条件独立的假设，发现平衡划分上组内相关为0.50至0.93、十次评分仅相当于1.07至1.81次独立评分，据此提出带单一相关参数的beta-二项潜类模型，并证明其及协变量、处理效应与部分标注数据扩展的可识别性，在平衡划分上把流行率与假接受率的标称95%区间覆盖率提高到0.90。作者用七款1B至32B开源权重模型在公开基准上、三种提示条件下每项十次采样共52,500条判断，检验潜类模型关于重复评分条件独立的假设，发现平衡划分上组内相关为0.50至0.93、十次评分仅相当于1.07至1.81次独立评分，据此提出带单一相关参数的beta-二项潜类模型，并证明其及协变量、处理效应与部分标注数据扩展的可识别性，在平衡划分上把流行率与假接受率的标称95%区间覆盖率提高到0.90。七款开源权重模型5.25万次判断显示重复评分高度相关，作者提出beta-二项潜类模型将95%区间覆盖率提升至0.90作者用七款1B至32B开源权重模型在公开基准上、三种提示条件下每项十次采样共52,500条判断，检验潜类模型关于重复评分条件独立的假设，发现平衡划分上组内相关为0.50至0.93、十次评分仅相当于1.07至1.81次独立评分，据此提出带单一相关参数的beta-二项潜类模型，并证明其及协变量、处理效应与部分标注数据扩展的可识别性，在平衡划分上把流行率与假接受率的标称95%区间覆盖率提高到0.90。作者用七款1B至32B开源权重模型在公开基准上、三种提示条件下每项十次采样共52,500条判断，检验潜类模型关于重复评分条件独立的假设，发现平衡划分上组内相关为0.50至0.93、十次评分仅相当于1.07至1.81次独立评分，据此提出带单一相关参数的beta-二项潜类模型，并证明其及协变量、处理效应与部分标注数据扩展的可识别性，在平衡划分上把流行率与假接受率的标称95%区间覆盖率提高到0.90。