热点事件持续更新
PADMÉ：LM智能体评估器元评估数据合成
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.CL 上线一篇论文，提出 PADMÉ——一种面向语言模型智能体评估器元评估的偏好对齐数据合成方法。该方法的特点是用小型语言模型自动合成元评估数据，无需人工参与标注。论文给出的原型结果显示，它在 4 个智能体领域、3 项评估标准下共合成 1,000 条样本；对其中的 150 条子集做人工验证后，合成数据与人类判断的一致率由朴素基线的 73% 提升至 85%。作者还用该数据集对 25 个常见模型进行元评估，发现评估表现与评分粒度、宽松度以及模型规模存在关联。目前该工作处于论文发布阶段，尚无后续独立复现或同行评审结论的报道。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
论文提出 PADMÉ，用小型模型合成智能体评估器元评估数据，人工验证一致率由 73% 升至 85%。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CLPADMÉ：面向 LM 智能体评估器元评估的偏好对齐数据合成方法
PADMÉ 用小型语言模型合成 LM 智能体评估器的偏好对齐元评估数据，无需人工参与。其原型在 4 个智能体领域、3 项评估标准下合成 1,000 条样本，150 条子集的人工验证显示与人类判断的一致率从朴素基线的 73% 升到 85%。用该数据集元评估 25 个常见模型，显示评估表现与评分粒度、宽松度和模型规模相关。
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。