待验证50% 置信观点精确时间
LLM-as-a-Judge 的根本缺陷在于评判者与被评判者共享同一套语言先验，容易将格式良好、逻辑通顺的文本误判为事实正确。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证LLM-as-judge是当前处理无精确标准答案场景的主流方案，用一个独立的语言模型阅读Agent输出并打分或给出判定76% 相似待验证语义验证器并非取代 LLM-as-a-Judge，而是与其形成分层评估策略的补充73% 相似待验证论文提出了LLM-as-a-judge外部过滤思路，利用大语言模型的参数化知识判断转写文本在上下文中是否合理，从而丢弃语境上不可信的转写结果69% 相似待验证LLM的幻觉输出在形式上与正确内容几乎无法区分，行文流畅、逻辑自洽，因而更难引起读者戒心65% 相似待验证对抗性输入场景中，类型化和生成式评委都会读取被评分内容，而内容可能携带针对评委的指令，书面推理无法可靠暴露Prompt注入。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063213API
curl https://kongchang.com/api/v1/knowledge/claims/1063213MCP
get_claim(id=1063213)