待验证50% 置信事实精确时间
评估采用自动指标（ROUGE和BLEU）以及多项选择生成的答案准确率，同时辅以五标准人工评估协议。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证评估采用了基于大语言模型（LLM）的自动评分和 11 位标注者的人工评估两种方式。77% 相似已验证智能体评估的主流方案包括LLM-as-Judge、轨迹匹配和结果验证75% 相似待验证当前主流的LLM评估方法包括基于参考答案的指标（如BLEU、ROUGE）、基于模型的评估（LLM-as-a-Judge）和基于人类偏好的评估（如Chatbot Arena的ELO评分）75% 相似待验证自动指标做初筛、人工抽检做校准，并将人工反馈回流到评审器规则中，是平衡自动评估与人类审美的可行折中方案。74% 相似待验证BLEU、ROUGE 是基于参考答案的自动化评估指标，主要用于翻译或摘要任务74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129075API
curl https://kongchang.com/api/v1/knowledge/claims/1129075MCP
get_claim(id=1129075)