JudgmentBench发布：法律领域评估基准
热点事件持续更新
JudgmentBench发布：法律领域评估基准
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
Russell Yang等人发布了JudgmentBench基准数据集，包含30个真实法律任务，配套1,539项评分标准与1,530项两两偏好判断，由执业律师完成标注。这是首个在高专业知识领域中，两种监督信号均来自同一专家群体、同一任务的公开数据集。 研究发现，在缺乏可验证真实值的领域，基于比较判断的质量评估方法在恢复质量排序方面优于评分标准方法，Spearman相关系数为0.908对0.150，且标注时间减半。该数据集为专家判断研究提供了新支持。
AI 根据报道生成 · 20 小时前更新
最新进展11月6日 13:00
JudgmentBench：比较基于评分标准与偏好评估的质量评估方法报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · AIJudgmentBench：比较基于评分标准与偏好评估的质量评估方法
JudgmentBench发布包含30个法律任务及1,539项评分标准的基准测试。 研究显示比较判断恢复质量排序能力优于评分标准，Spearman相关系数为0.908对0.150，且标注时间减半。 该数据集为缺乏可验证真实值领域的专家判断研究提供支持。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 911月6日 17:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月7日03:0006:0009:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。