judge-reliability

标签

#judge-reliability

一致性≠可靠性：评估本地LLM评判器与人类评分

arXiv cs.CL ↗ · 2026-09-15 缓存

本文评估了本地开源权重LLM评判器相对于人类评分的表现，发现其自一致性高但与人类判断的吻合度有限，强调了双重评估的必要性。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈