judge-models

本文提出了Judge-LS，一种评估LLM-as-a-judge模型在英语和中文之间语言切换是否不变的协议。研究发现，语言切换会导致10.7%至14.4%的偏好翻转，且评判者在英语中达到最高准确率。

介绍了PoQ-Judge，一种采用无参考评判模型（TextCNN、MiniLM、DeBERTa）的多架构评估框架，用于去中心化LLM推理中的成本感知质量证明，实现了与地面真值代理的高相关性，同时消除了对参考答案的需求。