XNews

RL-XARは専門家に合わせたルーブリックを用いてAIスロップに対抗

RL-XARは専門家に合わせたルーブリックを用いてAIスロップに対抗

Meta RAMのRL-XARは、コンピュータ生成テキストを人間の専門家によるルーブリックに対して最適化し、盲検試験で89~95%の勝率を達成した。これにより、LLMの評価者はスロップを好むこと、および性能が評価者の質に依存することが明らかになった。

Source posts