术语slug: rubrics

评分标准

Rubrics

用于评估模型输出质量的详细、结构化的文本描述准则

收录情报动态

共 3 篇 · 第 1/1 页
Artificial Analysis (@ArtificialAnlys)T1·基座大模型
68 分
Artificial Analysis 上线 HealthBench 医疗对话评测榜

Artificial Analysis 正式推出针对 OpenAI HealthBench 和 HealthBench Professional 的公开排行榜。该基准通过医生制定的评分标准,评估 AI 模型在真实医疗对话中的表现,涵盖准确性、完整性及沟通质量等五个维度。初步数据显示,GPT-6 Sol 在沟通质量上领先但完整性较弱,而 Claude Sonnet 5.5 则在完整性方面表现最佳。

Artificial AnalysisT1·基座大模型
68 分
OpenAI 发布 HealthBench 基准 评估 AI 医疗对话能力

OpenAI 推出 HealthBench 和 HealthBench Professional 两项新基准,用于评估大模型在真实健康对话中的表现。HealthBench 包含 5000 个日常用户场景,而 Professional 版聚焦 525 个高难度临床医生场景,均依据医生制定的评分标准从准确性、完整性等五个维度进行打分。

Apple Machine Learning ResearchT1·基座大模型
68 分
RISED:用 Rubric 引导多环境智能体自蒸馏

新研究提出 RISED 框架,利用 LLM 生成的结构化评分标准(Rubrics)替代单一标量奖励,解决多环境强化学习中数据选择与组内对比缺失的问题。该方法通过文本反馈指导在线数据筛选与策略监督,在多个交互环境中实现了最高的平均通过率。