arXiv · cs.AI· Lovedeep Gondara, Jekaterina Novikova, Sagarika Suresh, Jack Ji, Jithin Pradeep·· 1 天前
研究LLM评审评分格式对训练数据筛选的影响
The Format is the Filter: Scoring Format Fixes What an LLM Judge Can Express
arXiv:2610.17158v1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：Lovedeep Gondara, Jekaterina Novikova, Sagarika Suresh, Jack Ji, Jithin Pradeep
研究任务与主要进展
研究团队固定候选池、评审提示词、解码和选择预算，使用3个评审模型为15,406条UltraFeedback候选数据评分，并用4个评审模型评估微调的66个模型。结果显示，0—100评分实际只使用7—12个有效等级，二元判定在77%—78%的提示中会并列最高分，导致选择高度依赖随机打破并列；下游数据均优于随机选择，但不同格式之间未检测出稳定排序。
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