S
SkillNav

多LLM异构集成赢取MTRAGEval任务

深度2026年5月9日10 分钟阅读
最有趣的发现是，通过GPT-4o-mini裁判从七个不同LLM的候选回答中选择最佳回复，集成方法始终优于任何单一模型。适合对LLM集成、多轮对话生成和评测方法感兴趣的研究者阅读。
本文编译自 RaguTeam at SemEval-2026 Task 8: Meno and Friends in a Judge-Orchestrated LLM Ensemble for Faithful Multi-Turn Response Generation，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

概念速查

检索增强生成

RAG 让大模型在回答前先检索相关资料，用真实数据代替「编造」——给 AI 装上一个实时更新的知识库。

相关文章

把数据库检查变成奖励：ThinkingBox 的 Agent 训练新方法

微软和 Hugging Face 联合发布 ThinkingBox-Training，将 ThinkingBox-Bench 中可执行检查返回的 0/1 结果作为奖励信号，用于训练其他任务上的 Agent。他们提出离线策略相对难度来选择训练任务，并用 GRPO 对 Qwen3.8-27B 进行微调。结果显示，模型在重复性任务上的成功率大幅提升，但至少成功一次的覆盖率略有下降。

深度Hugging Face·10月22日·8 分钟

OpenAI 的 Decisions API 正式开放，与 Jev 竞争决策模型市场

OpenAI 正式向所有客户开放 Decisions API，该 API 基于 ChatGPT Luna 重新配置，专注于快速、低成本的决策任务。与 TypeSafe 的 Jev 模型相比，OpenAI 的模型在基准测试中排名靠后，但在多模态和全球延迟优化上有优势。早期客户如 Box、Datadog、Ramp 和 Speak 已用其替换 LLM 以提升吞吐量。

深度·10月22日·4 分钟

评论