#RewardBench

共 2 条 · 7 天 0 条 · 30 天 1 条

GPT-6 1 JEV 1 LLM-as-a-Judge 1 模型评测 1

信息流里打上「RewardBench」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月25日

论文 Agent 与开发者多源确认73°00:45

JEV 论文：廉价评审级联可省约 43% 评测成本

一篇讲怎么省评测钱的论文：便宜的 JEV 先判断，拿不准的才丢给 GPT-6，成本砍掉四成多，准确率几乎不掉。

#JEV #GPT-6 #LLM-as-a-Judge #RewardBench

DAIR.AI@dair_ai11 个信源在谈原文

6月8日

Eval-Skill：探索引导的评估技能合成，提升奖励模型判断力

做奖励模型或 LLM 评估的团队终于有了一个轻量级替代方案——不用每次生成评分标准，而是合成可复用的评估技能，效果还比传统方法好很多，值得在 RewardBench 上跑一下自己的模型。

#奖励模型 #评估技能 #探索引导 #RewardBench

arXiv: DeepSeek@Xing Yue 等 5 人原文