elo-rating

本文提出了一种可扩展、领域无关的自动化 LLM 评估框架，该框架利用多个 LLM 的成对比较和 Elo 评分系统来近似专家判断，从而减少人工干预的需求。

通过成对比较实验，使用Bradley-Terry模型和Elo评分系统统计确定狗狗最喜欢的零食。