热点事件持续更新
PADMÉ：偏好对齐数据合成用于LM智能体评估器的元评估
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026-09-30，arXiv 发表 Computation and Language 论文 PADMÉ，提出一种基于偏好判断的元评估数据合成方法，仅依赖小语言模型、无需人工参与，在低计算预算下运行。研究者在四个 Agent 领域和三个评估标准上合成 1,000 个样本，150 个人工验证样本显示与人类判断的一致性由 73% 提升至 85%。利用该数据集对 25 个常用模型进行元评估，揭示评估性能与评分粒度、宽容度及模型规模等因素之间的相关性。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
arXiv 发布 PADMÉ 论文，公布数据合成方法与元评估结果。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Computation and LanguagePADMÉ：用于 LM Agent 评估器元评估的偏好对齐数据合成方法
PADMÉ 是一种基于偏好判断的元评估数据合成方法，仅使用小语言模型，无需人工参与评估，在低计算预算下运行。研究者在四个 Agent 领域和三个评估标准上合成了 1,000 个样本，150 个样本的人工验证显示其与人类判断的一致性从 73% 提升至 85%。用该数据集元评估 25 个常用模型，揭示了评估性能与评分粒度、宽容度和模型规模等因素之间的相关性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。