impossiblerubrics/impossible_rubrics
现在不少训练和评测先让模型写一份评分细则，再按这份细则给回答打分。ImpossibleRubrics 检查了一个容易漏掉的问题：假如题目根本无法根据现有材料得出确定结论，评分标准会不会反而奖励那个编得最完整的答案？
仓库状态可能随时间变化，开放范围与使用条件请查看项目自身的许可证和说明。
现在不少训练和评测先让模型写一份评分细则，再按这份细则给回答打分。ImpossibleRubrics 检查了一个容易漏掉的问题：假如题目根本无法根据现有材料得出确定结论，评分标准会不会反而奖励那个编得最完整的答案？
仓库状态可能随时间变化，开放范围与使用条件请查看项目自身的许可证和说明。