krippendorff_alpha reports 1.0 instead of NaN for single-rater identical ratings
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 86/100
Direzione di ricerca
Parti da pyrit/score/scorer_evaluation/krippendorff.py e analizza krippendorff_alpha, in particolare il ritorno anticipato relativo al conteggio delle categorie e la gestione esistente delle valutazioni senza valutazioni appaiabili. Esegui prima i due esempi NumPy dell’issue. Il lavoro è completato quando ogni dataset senza valutazioni appaiabili restituisce NaN, comprese le valutazioni identiche di un singolo valutatore, mentre il comportamento esistente per valutazioni diverse di un singolo valutatore rimane corretto.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
what happens
krippendorff_alpha returns 1.0 (perfect agreement) when every item is rated by a single rater and all those ratings happen to be identical. with no pairable ratings the statistic is undefined, so this should be NaN like it already is for single-rater data whose ratings differ.
the cause is ordering: the num_categories == 1 early return fires before the check that no item has two usable ratings, so identical-but-unpairable data takes the perfect-agreement exit.
repro
import numpy as np
from pyrit.score.scorer_evaluation.krippendorff import krippendorff_alpha
krippendorff_alpha(np.array([[1.0, 1.0]])) # 1.0 — undefined statistic reported as perfect
krippendorff_alpha(np.array([[1.0, 2.0]])) # nan — correct
same unpairable structure, opposite answers depending on whether the values coincide.
why it matters
this feeds the reliability metrics in scorer evaluation, and single-vote gold labels are a common input (cf #2628). reporting perfect agreement from one rater's identical votes overstates reliability.
expected
NaN for any dataset with no pairable ratings, per the docstring's own undefined-statistic rule.
env: main 5503ecb
- Lingua principale
- Python
- Stelle
- 4.5k
- Fork
- 896
- Merge medio
- 2g 19h
- PR unite (30g)
- 206
Preparare l'ambiente
Non abbiamo ancora controllato i file di configurazione di questo progetto. Parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di microsoft/PyRIT
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
microsoft/PyRIT#2888 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 91/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
I maintainer di solito rispondono entro 1 giorno
-
Bug: triage GUI help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
microsoft/PyRIT#2868 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di microsoft/PyRIT
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-2 giorni Idoneità per principianti 70/100
-
FingerprintSplitter raises ZeroDivisionError when int(frac_train * len(dataset)) floors to zeroAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 7 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
lmstudio-ai/mlx-engine#376 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
pyiron/bagofholding#166 ·