arXiv · Machine Learning· Jacob Cole·2026-09-30 12:00· 6 小时前精选AI 评分62

二值化拉平评分空间：LLM 裁判奖励的信息损失与恢复

Binarization Flattens the Score Space

AI 导读

论文指出 LLM 裁判常被二值为 pass/fail（0/1），这种二值化会引入仿射拉伸模糊性，使策略在不改变裁判报告的前提下任意拉伸分数。作者通过联合高斯模型证明，引入第三个等级可增加第二个阈值、消除该模糊性。

推荐理由

论文揭示二值化评分会掩盖策略在阈值内的任意拉伸，为使用 LLM 裁判训练策略时保留区分度提供了量化依据。