Golden_task-Ensemble开源项目

1. 项目具体功能模块
项目主要包含：多模型预测结果读取与处理模块、Golden Task 标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet 集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持 Voting、SML、Dawid-Skene、PM、ZC、LA/LAA、EBCC、BCA 等方法，可与 StackingNet 进行统一实验比较。

2. 项目主要功能描述
该项目针对多个大模型对同一任务给出不同预测结果的场景，通过选取少量带真实标签的 Golden Tasks，评估各模型的预测能力并学习模型权重，再利用 StackingNet 对多个模型输出进行动态加权融合，得到更加准确、稳定的最终结果。同时支持无 Golden Task 的无监督集成，并覆盖分类、回归和排序等任务，可用于研究不同模型集成策略及群体决策方法的性能。