arXiv · cs.AI· Gowthamkumar Nandakishore·· 1 天前
CLM-as-a-Judge：在公开裁判基准上评估 CLM-v0.1-8B
CLM-as-a-Judge: Evaluating an Open Contrastive Decision Model on Public Judge Benchmarks
arXiv:2610.07177v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Gowthamkumar Nandakishore
研究任务与主要进展
研究评估开放对比决策模型 CLM-v0.1-8B 作为裁判的表现。基于论文摘要，其在五个公开偏好基准和一个幻觉基准上的得分介于0.351至0.593，在 RM-Bench 和 JudgeBench 上与抛硬币无显著差异，并始终输出同一标签，达到 HaluEval 的 trivial always-first 基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org