Small Language Models as Judges for Rubric-Based Reinforcement Learning

• 类型：arxiv
• 标识：2608.30005
• 链接：https://arxiv.org/abs/2608.30005
• 主分类：evaluation
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work studies whether smaller language models can serve as efficient and reliable rubric-based judges, and compares three ways of extracting criterion-level judgments from small models: Generative verdicts, Yes/No Logprob margins, and Probe judges.
• OpenAlex ID：W7204964375
• OpenAlex DOI：10.48550/arxiv.2608.30005
• DOI：10.48550/arxiv.2608.30005
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.30005
• OpenAlex更新：2026-09-06
• 待LLM分类：否
• 标题中文：小语言模型作为基于评分标准的强化学习评判器
• TLDR中文：本文研究较小的语言模型能否作为高效且可靠的 rubric 评分器，并比较了从小模型中提取逐项判断的三种方式：生成式判定、Yes/No Logprob 边际以及探针判别器。
• 来源文件：
• /inbox/tom/_candidates/2026-09-04-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]