待验证50% 置信事实精确时间

研究表明在大规模评估场景下LLM裁判（LLM-as-judge）与人工标注有较高相关性

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

RAG来源归因不可信？5条块级溯源实战经验彻底解决

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LLM as Judge是利用一个独立裁判LLM评判主模型输出质量的技术，评判维度包括安全性、相关性、事实一致性70% 相似已验证LLM-as-a-judge模式即用一个能力更强的模型来评判另一个模型的输出质量，降低评测成本但引入评判模型自身的偏见问题70% 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68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502803

API

curl https://kongchang.com/api/v1/knowledge/claims/502803

MCP

get_claim(id=502803)