本文提出 RubricsTree 评估框架,利用专家对齐的分层布尔指标体系与上下文感知路由机制,解决了个人健康智能体开放式评估的扩展性与一致性瓶颈,在 HealthBench 基准上实现了最高约 66% 的相对性能提升。
机构:Google
来源:arXiv 2606.18203 | AI4Papers 论文推荐平台