摘要
评估标准为大型语言模型的训练与评估提供了结构化细粒度信号，但构建可靠的特定查询标准极具挑战。现有方法多依赖人工标注或偏好数据，而直接生成缺乏有效性验证。本文提出
AI 推荐理由
论文提出无需训练即可从空集进化评估标准，核心在于自我迭代与筛选机制。
研究机构
School of Computing, National University of Singapore
School of Cyber Science and Technology, Zhejiang University
School of Statistics and Data Science, Shanghai University of Finance and Economics
Institute for Artificial Intelligence, Peking University
论文信息