Mijn beste gok: Rubrieken + LLM Judge - Atomiseer elk punt in het grondwaarheidsbewijs en controleer dit tegen de modeloutput. Mijn gok over hoe ze dit schaalbaar hebben gemaakt - want eerder was het dat niet, mensen moesten ze zorgvuldig opstellen, is dat ze iets hebben getraind of gedaan om zeer goede rubrieken te genereren voor elk specifiek probleem of zijn antwoord.

.@polynoamial @alexwei_ knipper twee keer als ik gelijk heb en drie keer als ik ongelijk heb - voordat de blinden door de blinden worden geleid xD