DeepMind推出FLAMe系列自动评估模型

谷歌DeepMind推出FLAMe系列自动评估模型，用于评估大型语言模型的性能。FLAMe-RM-24B在RewardBench上以87.8%的准确率领先GPT-4o。该系列模型克服了人工评估的局限性，使用公开许可的数据集进行训练，并在多个自动评分器评估基准上表现出色。计算高效的多任务训练方法和尾部补丁微调策略被引入以优化性能。FLAMe系列模型在多个基准上的表现优于流行基线模型，并显示出低偏见的特点。
来源：https://mp.weixin.qq.com/s/k182lwGFycz20LcHmuwZ1A