问题
AACR-Bench 会保留参考评论原始的 side 字段,但在转换 Claude、Codex 和 OCR 的生成评论时,会统一设置:
judge.py 匹配时要求两边的 side 相同:
if ref_side is not None and gen_side is not None and ref_side != gen_side:
continue
因此,所有 side="left" 的参考评论都无法被当前 Reviewer 命中。
影响
当前 1,505 条参考评论中:
这 8 条评论无法命中,但仍会进入 Recall 分母。
建议
在计算指标时,排除这八条无法被命中的 comment
问题
AACR-Bench 会保留参考评论原始的
side字段,但在转换 Claude、Codex 和 OCR 的生成评论时,会统一设置:judge.py匹配时要求两边的side相同:因此,所有
side="left"的参考评论都无法被当前 Reviewer 命中。影响
当前 1,505 条参考评论中:
right:1,497 条left:8 条这 8 条评论无法命中,但仍会进入 Recall 分母。
建议
在计算指标时,排除这八条无法被命中的 comment