实体 any-to-bench

any-to-bench

PulseAugur coverage of any-to-bench — every cluster mentioning any-to-bench 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_208453 · Aug 19 · 04:00

研究发现，小型语言模型可以可靠地使用评分标准来批改考试

一项新的研究论文提出了一种名为“any-to-bench”的方法，该方法使用更小、更具成本效益的语言模型来批改开放式考试答案，前提是配有明确的评分标准。研究发现，评分标准，特别是官方答案，是可靠评分的主要因素，解释了95.6%的分数差异，而评分模型本身的智能影响很小。这种方法将评分与评判者的智能分离开来，表明在正确的框架下，小型模型可以在评估任务中实现高可靠性。