Andrew Perrault 谈评测环境构建：只发布与人类多数判断一致的评分器

Andrew Perrault 介绍了其团队为评测任务构建程序化评分器的做法：只有评分器与测试中的人类多数判断高度一致时，才对外发布对应的环境与评分器。由于人类在这些任务上本身存在明显分歧，团队以此作为发布门槛，以保证评测结果的可靠性。