Le filThèmes : RechercheÉvaluations
MetaRubric propose une méthode contre le crédit à vide dans l’apprentissage par renforcement à base de grilles
1 sourcemis à jour il y a 2 jpertinence 3,2 sur5
L’essentiel
MetaRubric améliore la précision sur PubMedQA de 6,00 à 20,40 points de pourcentage par rapport à GRPO avec un juge statique, selon son résumé. Des gains sont aussi annoncés sur HealthBench-Hard et deux benchmarks médicaux multimodaux.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYuxuan Fan, Jaehong Yoonhuggingface.co
MetaRubric: Learning to Reward for Rubric-Based Reinforcement Learning (site externe)
We introduce MetaRubric, which alternates evidence-aware policy optimization with response-guided rubric adaptation.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5