大语言模型生成能力突飞猛进，但验证能力却成了短板——传统打分把丰富信息压成几个离散值，导致好答案坏答案挤成一团。这篇论文提出LLM as a verifier框架，巧妙利用评分token的完整分布计算连续分数，让评分粒度更细、结果更稳、标准更可拆。在代码、机器人、医疗等测试中达到SOTA，还能充当强化学习的密集奖励信号。
原文：arxiv.org
LLM-Judge改进：用概率思维解锁细粒度验证
13分钟 ·
22·
2
222
静心_pZl8
9天前
0
哪篇论文阿
听论文-懂LLM评测:LLM-as-a-Verifier: A General-Purpose Verification Framework 这个哈 播客简介里会写～
