待验证50% 置信事实精确时间

一项包含10名人类标注者的用户研究表明，LLMaJ评委在同义改写下的一致性下降幅度是人类的6-9倍。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

Prompt Lottery：LLM评审对同义改写的敏感度危机

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证文档纠偏中即使3-5度的倾斜也可能导致识别率下降10%以上72% 相似待验证说话人分离的错误率（DER）在标准评测集上已降至10%以下71% 相似待验证Humanbound在拿不到评分时会伪造一个5/10的分数，可能导致测试报告为假数据71% 相似待验证在事实性评估任务上模型评判者准确率仍显著低于人类专家，但在风格、连贯性等主观维度已接近人类评审员间一致性水平68% 相似待验证十二个模型中有十一个的认输案例里有87.5%到100%停在了用户提供的确切错误数字上，即认输通常意味着倒戈66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1114681

API

curl https://kongchang.com/api/v1/knowledge/claims/1114681

MCP

get_claim(id=1114681)