LMArena 提出交互即评判新范式并开源 Web 应用偏好数据集

LMArena 团队发布论文《Interaction-as-a-Judge》并开源两个数据集，其中包括含 6,390 对样本的 ArenaWebdevPreferences Web 应用偏好数据集。该范式无需访问代码，仅用交互过程作为奖励即可对模型进行 RL 微调：纯交互奖励微调 Qwen-3.5-9B 后，胜率提升了 6.7 个百分点，为模型评测与训练提供了新思路。

2026-11-13 ~ 2026-11-13 · 2 条相关