★ 2
arXiv 论文提出 Interventional Transfer 评估 LLM 生成评分标准
论文提出 Interventional Transfer 方法评估大模型生成的评分标准质量，基于「扰动使响应在一个标准上通过/失败时两个标准是否同步移动」判断相似性。在 HealthBench 案例中发现 Qwen3.8-27B、Deepseek-V4-Flash、Opus-5 生成的评分标准存在…
arXiv cs.LG24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 Interventional Transfer 方法评估大模型生成的评分标准质量，基于「扰动使响应在一个标准上通过/失败时两个标准是否同步移动」判断相似性。在 HealthBench 案例中发现 Qwen3.8-27B、Deepseek-V4-Flash、Opus-5 生成的评分标准存在…