已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
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82% 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81% 相似待验证LLM-as-judge方案存在裁判模型自身波动、偏见和不一致性的缺陷，会给评估结果引入新的噪声79% 相似待验证LLM裁判仅作辅助，不可单独作为最终评判依据，缓解策略包括多模型交叉打分、结构化评分Rubric、定期与人工标注对齐77% 相似待验证LLM-as-a-Judge是由Zheng等人在2023年系统化提出的评估范式，利用能力更强的模型对被测模型输出进行打分或排序77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507728API
curl https://kongchang.com/api/v1/knowledge/claims/507728MCP
get_claim(id=507728)