热点事件持续更新

RubriX模型实现快速非自回归评分

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

RubriX模型基于LoRA适配编码器，通过余弦相似度计算概率，无需文本生成即可运行。该模型在留出测试集上达到75.4%精确准确率，优于Jev和Qwen3-8B裁判。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv · NLP
RubriX：一种快速、可微调的非自回归评分标准裁判模型
非自回归评分裁判模型 RubriX 在留出测试集上达到 75.4% 精确准确率，优于 Jev 的 57.1% 和 Qwen3-8B 裁判的 49.8%。该模型基于 LoRA 适配编码器，通过余弦相似度计算概率，无需文本生成。在 3,000 tokens 场景下，RubriX 速度比 Jev 快 7.7 倍，比 Qwen3-8B 快 18.8 倍。

还没有足够的连续观测数据，暂不绘制趋势。