EMNLP 2026论文：Health-SCORE框架降低健康大模型评估成本

2026年10月，Zhichao Yang等人在arXiv平台发布了一篇关于Health-SCORE框架的论文，该论文已被收录于EMNLP 2026 Findings。该框架旨在解决健康领域大语言模型（LLM）在评估过程中依赖人工制定评分标准（rubric）成本过高的问题。 Health-SCORE提出了一种可泛化且可扩展的基于rubric的训练与评估方法，声称能在不牺牲性能的前提下显著降低开发成本。在实际应用中，该框架不仅可用于开放式的医疗任务评估，其评估质量还能与人工创建的标准相媲美。该框架具备双重功能：既可以作为结构化的奖励信号引导强化学习，也可以通过上下文学习直接融入提示词，从而提升模型响应的质量。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。