Le filThèmes : RechercheÉvaluations
Des chercheurs entraînent des juges LLM par autodistillation à partir de retours en langage naturel
1 sourcemis à jour il y a 6 jpertinence 3,2 sur5
L’essentiel
Le masquage des positions à fort décalage d’entropie améliore la généralisation hors distribution. Les juges dépassent de 2 à 9 points ceux du RL supervisé sur le résultat, sur les sous-catégories subjectives évaluées.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceIlgee Hong, Changlong Yu, Zhenghao Xu et al.huggingface.co
Training LLM Judges from Language Feedback via Position-Selective Self-Distillation (site externe)
We study training LLM judges from natural language feedback, especially for subjective tasks where the verdict depends strongly on which evaluation criteria the judge invokes and how it weighs them.
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