热点事件持续更新

Balamurugan Paramasivam 发布非自回归 rubric 评测模型 RubriX 论文

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

Balamurugan Paramasivam 在 arXiv 发布 RubriX 论文，提出一种非自回归的 rubric 评测模型。该模型受对比语言模型启发，用 LoRA 适配的编码器对输入和各等级描述做嵌入，再通过余弦相似度 softmax 直接给出每个等级的概率，无需生成文本。论文报告的基准结果：在 held-out rubrics 上精确准确率 75.4%，高于 TypeSafe 的 Jev（57.1%）和 Qwen3-8B judge（49.8%）；等级嵌入缓存后，每级 3,000 tokens 时延迟约 28 ms，比 Jev 快 7.7 倍、比 Qwen3-8B judge 快 18.8 倍。

AI 根据报道生成 · 1 小时前更新

最新进展10月26日 13:45

RubriX：快速、可微调的非自回归 Rubric 评测模型

报道时间线

沿着报道，了解事件的不同侧面。

10月26日

13:45
arXiv · cs.CL
RubriX：快速、可微调的非自回归 Rubric 评测模型
RubriX 是一种受对比语言模型启发的非自回归 rubric 评测模型，通过 LoRA 适配的编码器与余弦相似度 softmax 直接给出每个等级的概率，无需文本生成。在 held-out rubrics 上达到 75.4% 精确准确率，超过 TypeSafe 的 Jev（57.1%）和 Qwen3-8B judge（49.8%）。等级嵌入缓存后，每级 3,000 tokens 时延迟约 28 ms，比 Jev 快 7.7 倍、比 Qwen3-8B judge 快 18.8 倍。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。