Para peneliti mengajukan SetwiseEvalKit, sebuah tolok ukur evaluasi koleksi dokumen tiga tingkat dan sembilan dimensi yang mencakup skenario teks pendek da...
Para peneliti mengajukan SetwiseEvalKit, sebuah tolok ukur evaluasi koleksi dokumen tiga tingkat dan
sembilan dimensi yang mencakup skenario teks pendek dan panjang, serta berisi sekitar 28 ribu kriteria evaluasi berkualitas tinggi. Evaluasi terhadap 12 jenis re-ranker menunjukkan bahwa metode terbaik hanya mencapai cakupan kurang dari 45%, dengan dimensi koordinasi antar-dokumen umumnya lemah. Berdasarkan hal ini, metode tanpa pelatihan Rubric4Setwise diusulkan, yang mengubah kriteria menjadi sinyal pemilihan koleksi, mencapai kinerja generasi downstream optimal dengan lebih sedikit dokumen dan putaran pencarian, serta merupakan satu-satunya metode yang mempertahankan SOTA di kedua skenario.
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.
Aioga 编辑摘要：研究者提出SetwiseEvalKit，一个覆盖短文本与长文本场景、包含约28K条高质量评估准则的三级九维度文档集合评测基准。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。
背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。
Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。
影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。 后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
Sumber: HuggingFace Daily Papers（社区热门论文）
原文链接: Buka sumber asli
Aioga 归档: 查看情报页
Content record: source-page · Updated: 2026-07-22T00:00:00.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga 自动聚合全球 AI 动态，并保留来源信息用于核验与引用。