待验证50% 置信事实精确时间

模型倾向于给自己的输出（或风格相似的输出）打高分；Panickssery et al. 发现 LLM 评估器能识别自己的生成内容并予以偏爱。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

LLM裁判有偏见？三个校准步骤让评测可信

涉及实体

自我偏好concept Panickssery et al.person LLM评估器concept

相关事实

待验证通过构造语义等价但表述不同的提示词变体并观察输出分布，可以区分敏感性来自模型还是评估器75% 相似待验证LLM模型在「生成」和「评估」时所激活的推理路径不同，同一模型生成代码时可能忽略某个边界条件，但在评估另一份代码时却能识别该问题73% 相似待验证LLM 后训练中，模型把本应隐藏的中间推理步骤直接吐给用户，或者在 RL 奖励计算时，本该只评估最终答案的奖励模型看到了推理过程，从而扭曲优化方向。72% 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

引用此条事实

Stable URI

https://kongchang.com/claim/1066482

API

curl https://kongchang.com/api/v1/knowledge/claims/1066482

MCP

get_claim(id=1066482)