待验证50% 置信基准精确时间

Zheng等人2023年发表的MT-Bench论文及多项后续研究证实，裁判模型的评分与人类专家评估具有80%以上的相关性

1

来源数

50%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

长时运行AI Agent的7大核心组件设计指南

相关事实

待验证LLM-as-Judge方法由Zheng等人在2023年的MT-Bench论文中系统验证，与人类评估的一致性可达80%以上83% 相似待验证2023年加州大学伯克利分校发布的MT-Bench基准测试发现，顶级大模型作为评判者与人类专家判断一致性可达80%以上80% 相似待验证2023年学术界研究发现，顶级大模型作为评判者与人类专家的判断一致性可达80%以上76% 相似已验证LLM-as-Judge方法与人类专家评分的一致性可达80%以上73% 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71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/583419

API

curl https://kongchang.com/api/v1/knowledge/claims/583419

MCP

get_claim(id=583419)