待验证50% 置信基准精确时间

研究表明LLM裁判与人类评分的一致率约为80%，接近但尚未超越人类自身一致性水平（约81%）

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

Agent性能评估：三层体系拆解与工程落地指南

相关事实

已验证LLM-as-Judge方法与人类专家评分的一致性可达80%以上82% 相似待验证2024年的多项研究表明，LLM裁判与人类专家的一致率通常在70%-85%之间78% 相似待验证研究发现强大的LLM在评估开放式问答质量方面与人类评分者的一致性可达80%以上77% 相似待验证研究表明LLM裁判与人类专家的一致性在许多任务上可达80%以上76% 相似待验证研究表明经过良好校准的LLM裁判与人工标注的一致性可达80%以上76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/547417

API

curl https://kongchang.com/api/v1/knowledge/claims/547417

MCP

get_claim(id=547417)