实体 AlpacaEval2.0

AlpacaEval2.0

PulseAugur coverage of AlpacaEval2.0 — every cluster mentioning AlpacaEval2.0 across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_61785 · May 27 · 06:25

新解码方法在不重新训练的情况下提升LLM评估效果

研究人员开发了一种新颖的方法——基于能量的解码（Energy-Based Decoding, EBD），以改进预训练大语言模型的评估。EBD在解码过程中使用轻量级的奖励模型来引导LLM执行面向任务的行为，而无需更改模型的参数。该方法旨在通过减少与指令遵循和输出格式相关的失败，更公平地评估模型的内在能力，并在多个基准测试和模型上优于现有方法。