judge-models

本文展示了基于探针的小型语言模型可以替代大型生成模型用于基于准则的强化学习奖励，提高效率的同时保持一致性和可迁移性。

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。