实体 M-JudgeBench

M-JudgeBench

PulseAugur coverage of M-JudgeBench — every cluster mentioning M-JudgeBench 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_145828 · Jul 16 · 04:00

新的基准 M-JudgeBench 评估多模态 LLM 的评判能力

研究人员推出 M-JudgeBench，这是一个旨在评估多模态大语言模型 (MLLM) 评判能力的新基准。该基准在十个细粒度的子任务上评估 MLLM，重点关注推理风格、响应长度和跨模型变异性，以识别系统性弱点。为解决这些问题，开发了一个名为 Judge-MCTS 的数据构建框架来生成推理轨迹，从而创建了一个增强型数据集和一系列名为 M-Judger 的改进评判模型。实验表明，M-Judger 在标准和新的 M-JudgeBench 评…