研究人员推出了一种新颖的 LLM-as-a-Judge 分数校准方法——流式分位数匹配 (SQM)。与传统的点校准不同,SQM 将 LLM 分数视为分布而非孤立点,从而更好地与人类评分保持一致。这种方法尊重人类锚定集的序数性,并在各种模型和数据集上实现了卓越的分布保真度和整体排名。SQM 还显示出缩小较小和较大 LLM 裁判之间误差差距的潜力,为更有效的 LLM 评估铺平了道路。 AI
影响 这种新的校准方法有望带来更准确、更高效的 LLM 评估,提高 LLM-as-a-Judge 系统的可靠性。
排序理由 关于 LLM 评估新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →