★ 3
CPA 反事实成对增强提升小型 LLM 评判器
论文提出 CPA（反事实成对增强），为每个逐点评分样本合成并审核一个反事实回答，构成成对任务与逐点数据联合微调。在 Qwen3-8B LoRA 适配器上，CPA 使六项二元标准的平均宏 F1 提升 2.5 点，并超过 Gemini 3.6 Flash 11.8 点。
arXiv cs.AI8 小时前
#LLM 评判器
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
CivHarness 与 CivTelescope：为 Freeciv 长程智能体提供回放奖励信号
研究指出策略游戏中存在「记分板陷阱」——高分局面反而导致更差结局，并提出 CivHarness 系统支持存档、分支与回放以提供长程反馈。基于此训练的 LLM 评判器 CivTelescope 在陷阱对上准确率提升 1.3-2.0 倍，作为稠密奖励训练的 CivMarshmallow 智能体训练增益…
arXiv cs.AI8 小时前