小型LLM评委跨德语语料迁移专家咨询评分
热点事件持续更新
小型LLM评委跨德语语料迁移专家咨询评分
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Tobias Hallmen 与 Elisabeth Andr\'e 发表预印本论文，报告用四个小型开源 LLM 评委按专家评分工具中的构念打分，可在三个德语模拟咨询语料（共 195 场会话）之间跨域预测专家咨询质量评分：用其中两个语料训练、预测留出语料时 Spearman ρ 达 .533，高于同域训练的 .420，配对差距 +.113。 作者称，迁移信号主要来自语言内容：四个评委单独迁移为 .523，加入非言语模块仅增加 +.01；让评委输出评分工具构念而非通用对话质量，可将其迁移性从 .32 提升到 .42，约 30%。
AI 根据报道生成 · 55 分钟前更新
最新进展11月2日 13:00
基于评分工具锚定的 LLM 评委可跨三个德语语料迁移专家咨询质量评分报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.CL基于评分工具锚定的 LLM 评委可跨三个德语语料迁移专家咨询质量评分
研究用四个小型开源 LLM 评委按专家评分工具中的构念打分，在三个德语模拟咨询语料（共 195 场会话）上实现跨域预测，留出语料 Spearman ρ 达 .533，比同域训练高出约五分之一（.420，配对差距 +.113）。信号主要来自语言内容：四个评委单独迁移为 .523，非言语模块仅增加 +.01。让评委输出评分工具构念而非通用对话质量，可将其迁移性提升约 30%（.32 到 .42）。
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。