Mein bester Tipp: Rubriken + LLM-Richter - Jeden Punkt im Ground-Truth-Beweis atomisieren und mit der Modellausgabe vergleichen. Mein Tipp, wie sie das skalierbar gemacht haben - denn zuvor war es nicht möglich, Menschen mussten sie akribisch erstellen, ist, dass sie sehr gute Rubriken für jedes spezifische Problem oder dessen Antwort trainiert oder etwas gemacht haben.

.@polynoamial @alexwei_ blinzle zweimal, wenn ich recht habe, und dreimal, wenn ich falsch liege - bevor die Blinden von den Blinden geführt werden xD