# 人大高瓴发了一篇40页综述，专门讲怎么给大模型打分

> 原标题：Rubrics综述：Agent时代，如何定义一个「好答案」？

- 来源：机器之心 · 公众号
- 发布时间：2026-05-31T05:08:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30874
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651036001&idx=3&sn=137934964f0930f34602672e2e8498a3

## 摘要

这篇综述把“评分标准（Rubrics）”这件事拆成了五个部分来讲：定义、怎么构建、怎么用来训练、怎么用来评估、以及还没解决的难题。它想回答一个很实际的问题：在模型能自己调用工具、走流程干活的 Agent 时代，光看答案对不对已经不够了，得有一套更细的尺子来衡量“好答案”到底好在哪里。

## 推荐理由

人大高瓴团队用40页综述把评分标准拆成定义、构建、训练、评估与未解难题五部分，回应Agent时代光看答案对错已不够的评测需求。

## 锐评

40 页讲怎么给模型打分，方向是对的，但 rubrics 这东西最难的地方不在框架，在谁来写、写完谁认。综述把定义、构建、训练、评估、难题拆成五块，看着齐整，实际落地时每一块都要人肉标数据，成本比跑 benchmark 高一个量级。agent 时代光看答案对不对确实不够，可细尺子的代价是标注量翻几倍，小团队根本铺不开。这篇我更愿意当 checklist 用，对照自己评估流程里漏了哪一环，别指望照着就能搭出一套自动打分。
