6月25日消息，高德行中智能部团队近日在arxiv平台发布一篇新论文，正式推出面向开放式对话场景的自进化式评估框架——growloop。该框架以少量人工标注的种子样本为起点，将难以量化的主观人类判断显性化、结构化为可理解、可追溯的评估规则，并能随大模型能力演进与人类偏好迁移，同步实现评估规则与测试用例的动态协同更新。
GrowLoop的设计哲学包含三大要点：尊重评估中的合理分歧，要求共识性案例必须达成人机判断一致，而分歧性案例只需落在人类评判的合理区间内；采用启发式学习范式，借助大语言模型智能体，将约50条原始人工标注高效提炼为逻辑清晰、语义可解释的评估规则；构建“规则—用例”双向驱动机制：规则指导高质量测试用例生成，新用例则反向检验并暴露现有规则覆盖盲区，推动规则持续迭代。
实证结果表明，在355组模型输出配对评估任务中，由GrowLoop赋能的AI评判员展现出卓越性能：Tie-aware准确率达0.78，Pair-Acc达0.87，Spearman相关系数高达+0.78，全面超越当前主流评估方法；同时具备强诊断能力，可识别出人类标注员未察觉的潜在缺陷，并对不同能力水平的对话模型实现精准分层区分。
Map RTOS SDK - 高德官方嵌入式地图 SDK Skill
下载
Map RTOS SDK - 高德地图嵌入式 Map SDK 接入助手，支持栅格/矢量 Map 地图渲染、覆盖物绘制、轨迹导航及适配器实现指南
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
