待验证50% 置信决策规则精确时间
使用LLM-as-Judge时，裁判与生成Agent最好使用不同模型或不同system prompt，以避免共享偏见导致互相背书
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证LLM-as-a-judge模式即用一个能力更强的模型来评判另一个模型的输出质量，降低评测成本但引入评判模型自身的偏见问题76% 相似待验证LLM-as-a-judge通过将Agent执行轨迹和评判标准组成提示词交由独立裁判模型打分或给出通过/拒绝决策来评估Agent行为76% 相似待验证评分函数往往需要精心设计，甚至借助另一个 LLM 来打分，即 LLM-as-judge 模式72% 相似待验证一些团队引入LLM-as-Judge方式，用另一个模型评估Agent输出质量以形成自动化质量闭环72% 相似待验证将LLM应用于需要严格逻辑的场景时，引入人机协同与外部验证工具比盲目信任模型输出更为务实71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1005374API
curl https://kongchang.com/api/v1/knowledge/claims/1005374MCP
get_claim(id=1005374)