#对比决策模型

对比决策模型作为评判者的评测

论文评测开源对比决策模型CLM-v0.1-8B在公开评判基准上的表现，发现其接近随机水平，在RM-Bench与JudgeBench上与抛硬币无统计差异。同参数量的奖励模型与生成式评判者得分显著更高。校准后置信度可修复，但置信门控级联几乎无法保留项目，说明近随机评判者的校准置信度价值有限。