新的图结构评分标准提高了 LLM 评估的准确性

研究人员开发了图结构评分标准（GSR），这是一种在观察响应之前将评分标准编译成类型化评估图的新颖方法。该方法允许显式标准组合和类型检查，确保图的有效性。GSR 可用于单点和成对评估，在与 GPT-OSS-120B 测试时，提高了偏好基准上的评分准确性和端到端成对准确性。 AI

影响 通过提供结构化的评分标准编译方法，提高了 LLM 评估的准确性和鲁棒性。

排序理由 该集群描述了一篇发表在 arXiv 上的新研究论文，详细介绍了一种新的 LLM 评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• GPT-OSS 120B
• Graph-Structured Rubrics
• Hugging Face
• LLM judges
• Prometheus
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →