English(EN) RecurSE: Bounded Recursive Self-Evaluation for LLM Rubric Judges

RecurSE 方法使 LLM 能够作为裁判进行自我改进

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 08:35

研究人员开发了一种名为 RecurSE 的新颖方法，用于改进大型语言模型 (LLM) 在评估任务中作为裁判时的表现。该方法使 LLM 能够通过有界递归自改进过程生成自己的学习信号，从而无需昂贵的外部注释或更强的教师模型。RecurSE 包括一个裁判模型根据评分标准评估响应，并配有一个审计裁判推理的检查器。通过在结构上将检查器的分数与裁判的输出分离，该系统避免了常见的奖励膨胀捷径。该方法还包含一个验证监视器，用于确定停止自改进过程的最佳时机，在各种基准测试中展示了持续的收益，并增强了 Qwen3.5-9B、Gemma-4-E4B-it 和 Qwen3.6-27B 等模型的下游策略对齐。 AI

影响使 LLM 能够在没有外部监督的情况下更高效、更自主地改进其评估能力。

排序理由该集群描述了一篇详细介绍 LLM 在评估任务中进行自我改进的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

本文如何被排名

Signal score: 1 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍 LLM 在评估任务中进行自我改进的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-08-25 08:35

RecurSE: LLM 评分裁判的边界递归自评估

LLM-as-judge is essential for evaluating open-ended text and steering post-training, yet improving the judge itself typically relies on expensive annotations, reward models, or distillation from stronger teachers. In this work, we eliminate external gold supervision from the RL t…

本文如何被排名

报道来源 [1]

RecurSE: LLM 评分裁判的边界递归自评估

相关实体

相关话题