研究提出基于回归的指标元评估框架并发布多语言SPTG基准

研究提出一种基于回归的文本生成指标元评估方法：用校准后的指标输出预测人类评分，并以常数均值基线和人类一致性作为对照衡量指标能力。作者为 Anubhav Jangra 和 Adrian de Wynter。 团队同时构建了大规模多语言风格个性化文本生成（SPTG）基准，覆盖 10 种拓扑结构多样的语言、4 个评估维度，共 40 种评估设置，并对字符串、嵌入向量和 LLM-judges 三种范式及其集成共 32 个指标进行元评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。