Preference Proxy Evaluations (PPE)：一个用于评估奖励模型和LLM裁判的基准测试，帮助在大规模LLM训练和评估中复制人类偏好，包含真实的人类偏好数据和可验证的正确性偏好

【Preference Proxy Evaluations (PPE)：一个用于评估奖励模型和LLM裁判的基准测试，帮助在大规模LLM训练和评估中复制人类偏好，包含真实的人类偏好数据和可验证的正确性偏好数据】'Preference Proxy Evaluations is an evaluation benchmark for reward models and LLM-judges, which are used to replicate human preferences for large-scale LLM training and evaluation.' GitHub: github.com/lmarena/PPE AI基准测试 LLM评估 人类偏好