开发者开源低成本RAG评估裁判模型
热点事件持续更新
开发者开源低成本RAG评估裁判模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
开发者 Maziyar Panahi 基于 Qwen3.5-4B 和 Unsloth，使用 Jev-RAG-Claim-Verification-130K 数据集训练并开源了一款用于评估检索增强生成（RAG）输出的 LLM 裁判模型。 该模型在单张 H200 上训练22分钟，费用为1.87美元；在4000条测试中，其表现优于 Jev 1.14，展示了以较低成本微调专用评估模型的可行性。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 21:22
开发者用 1.87 美元训练 Qwen3.5-4B 裁判模型，4 千条测试击败 Jev 1.14报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- AGI Hunt开发者用 1.87 美元训练 Qwen3.5-4B 裁判模型，4 千条测试击败 Jev 1.14
开发者 Maziyar Panahi 基于 Qwen3.5-4B 和 Unsloth，使用 Jev-RAG-Claim-Verification-130K 数据集训练开源 LLM 裁判模型，用于 RAG 评估。模型在单张 H200 上训练 22 分钟，成本 1.87 美元，并在 4 千条测试中击败 Jev 1.14。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。