arXiv 2026年10月12日评分细则不再只靠语义写:树搜索加响应校准,六个偏好基准里五个拿到最高分给开放式回答打分的评分细则,改成先按语义筛出可行分解、再用六条不同质量回答的实测表现挑最终结构,在六个偏好基准中的五个上取得最高成对准确率。给开放式回答打分的评分细则,改成先按语义筛出可行分解、再用六条不同质量回答的实测表现挑最终结构,在六个偏好基准中的五个上取得最高成对准确率。Central University of Finance and EconomicsBeijing Normal UniversityFeifei Qian(第一作者)#自适应评分标准树搜索#基于评分标准的评估#大模型作为评判者