待验证50% 置信事实精确时间
OpenAI和Anthropic在模型对齐中广泛使用LLM-as-Judge（用大模型评估大模型输出）技术
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
TraeHarness开源：18个AI Agent组建虚拟开发团队
bilibili菠萝的自我救赎2026/6/20
相关事实
已验证LLM-as-a-Judge是目前最流行的自动化评估方法，使用一个大模型来判断另一个大模型输出的质量74% 相似待验证该系统采用模型无关（Model-Agnostic）设计，可接入 OpenAI、通义千问、智谱 GLM、DeepSeek 或本地部署的 Llama、Mistral 等模型74% 相似待验证OpenAI o系列模型侧重推理链，强调通过深度思考推导已有知识，与AlphaEvolve的搜索发现路线形成对比72% 相似待验证MLflow的评估框架采用了LLM-as-Judge范式，用一个强模型来评判另一个模型的输出72% 相似待验证该研究使用「LLM作为裁判」的评估方式，只要本地模型胜出或与专有模型打平就计为一次胜利71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/43507API
curl https://kongchang.com/api/v1/knowledge/claims/43507MCP
get_claim(id=43507)