judged.systems
摘要
judged.systems 是一个面向支持系统的判断 API 平台，帮助台发送工单后可返回分类选择、概率评分、评分标准打分及真实性判断，支持阈值控制的自动接受或人工复核。
<p>
面向支持系统的判断 API 平台。
</p>
<p>
<a href="https://www.producthunt.com/products/judged-systems?utm_campaign=producthunt-atom-posts-feed&utm_medium=rss-feed&utm_source=producthunt-atom-posts-feed">讨论</a>
|
<a href="https://www.producthunt.com/r/p/1273038?app_id=339">链接</a>
</p>
查看缓存全文
缓存时间: 2026/10/08 13:59
# judged.systems：面向支持系统的判定 API 平台 | Product Hunt
当工单需要做出判定时，支持系统调用 judged\.systems。帮助台仍然是记录系统。你发送工单。一个 pack 定义需要判定的问题：队列归属、紧急程度、退款请求、政策风险。返回结果是一个选择及其概率、一个基于评分细则的评分，或者某条陈述为真的概率。你的阈值决定通过或进入复核。调用失败的工单将保留在复核队列中。工单在发送前会先进行脱敏处理。判定结果按实际情况原样存储。对失败判定添加标签，不会对工单本身做任何修改。
相似文章
PsyJev：通过系统1判断进行心理分析
《PsyJev：基于系统1判断的心理分析》提出了一种针对社交媒体自我披露内容的心理分析框架PsyJev，以及包含13个标注数据集和82个问题的基准PsyJudgeBench。该方法通过联合监督训练和判断锚定的RLCD优化，在Qwen3.5模型上实现了显著优于最强外部基线的心理判断性能。
超越裁决：基于可验证反馈的智能体式代码评判
该论文提出了一个让模型仅凭题面和源码判断并诊断候选程序正确性、并以生成反例作为可验证证据的任务，构建了 USACO-JUDGE 基准，并训练了 35B MoE 代理验证器 ARBITER，显著提升了代码验证、选择与改进效果。
@yibie: https://x.com/yibie/status/2102619356874117594
本文讨论了AI系统中评估（evals）的重要性，解释了为什么传统测试不够用，介绍了三种主要评估类型，并提供了实施建议。
@zihengh1: LLM-as-a-judge 现在在自动评估中无处不在。但它可能缓慢、昂贵且不透明。如果我们问...
介绍 PAJAMA，一种混合评估系统，通过提取评分标准并以编程方式执行，改进了 LLM-as-a-judge 方法，推动了速度、成本和透明度的帕累托前沿。
SenseJudge: 以人为中心的偏好驱动判断框架
SenseJudge是一个以人为中心的框架，用于可定制的LLM评判，能够适应多样的用户偏好，优于现有方法。它还引入了SenseBench，一个从真实世界多轮交互中衍生的基准测试。