标签
这篇文章科普了微软研究院的论文《G-Eval：使用 GPT-4 进行与人类判断更一致的自然语言生成评估》，介绍其通过链式思维生成评分清单并结合各分数的概率加权平均，解决大语言模型评分不稳定的问题。