Evaluating Judges as Evaluators: The JETTS Benchmark of LLM-as-Judges as Test-Time Scaling Evaluators

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhou, Yilun, Xu, Austin, Wang, Peifeng, Xiong, Caiming, Joty, Shafiq
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2504.15253