研究者发布JudgmentBench法律评测基准

Russell Yang等作者发布法律任务评测基准JudgmentBench，包含30个真实法律任务，以及由执业律师标注的1539条评分标准打分和1530条成对偏好判断。作者称，这是首个在同一批专家、同一批任务上同时采集这两类监督信号的高专业领域公开数据集。 该基准的用途是比较评分标准打分与成对偏好判断这两种评测方式在质量评测中的差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。