PulseAugur
中
实时 09:32:07
实体 Judge Reliability Harness

Judge Reliability Harness

PulseAugur coverage of Judge Reliability Harness — every cluster mentioning Judge Reliability Harness across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_314962 ·

    新框架自动化LLM裁判可靠性测试

    研究人员开发了SANE，一个用于自动化大型语言模型（LLM）裁判的变异测试的新框架。这个基于代理的系统生成评分者特定的扰动配方和预期的分数关系，从而增强了LLM评估器的可靠性测试。SANE通过生成更多经过验证的测试家族并在包括专业性和毒性在内的各种领域检测评分者缺陷，显著优于Judge Reliability Harness (JRH)等现有方法。