实体 RISE-Judge-32B

RISE-Judge-32B

PulseAugur coverage of RISE-Judge-32B — every cluster mentioning RISE-Judge-32B 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_210391 · Aug 20 · 04:00

新的 SESSE 框架分解了 LLM 作为裁判的评估

研究人员引入了 SESSE，一个旨在增强大型语言模型 (LLM) 作为裁判进行评估的新颖框架。与依赖单一偏好选择的传统方法不同，SESSE 将判断过程分解为源自裁判自身错误案例的结构化子问题。这种方法不需要神谕响应、特定任务的评分标准或微调，使其成为一种灵活且无需训练的解决方案。在 RewardBench 上的评估中，SESSE 表现出与思维链基线相当的性能，并与 RISE-Judge-32B 等专业模型竞争，同时为诊断标签歧义和裁判…