已收录文章摘要，完整内容可前往原文阅读。
智猩猩AI整理编辑：金水现在越来越多人让大模型自己写评分标准（rubric），再拿它当奖励信号去训模型、当裁判去评答案。可这些标准，真的靠谱吗？9 月 15 日，新加坡国立大学、北大、中科院自动化所、