待验证50% 置信权衡取舍精确时间

LLM-as-a-Judge方式的缺点是评估本身消耗算力，且评判模型自身可能引入偏差

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Agent流水线静默行为回归：检测与治理实战指南

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证当rebuttal无法有效影响评分时，整个评审系统就失去了自我修正的能力，破坏了评审分数作为质量信号的可信度67% 相似待验证评估分数依赖测试数据集，数据集随业务变化会导致评分漂移，使历史横向比较产生误导67% 相似待验证在数据质量验证中，不同错误的代价是不对称的：错误接受脏数据可能导致下游分析崩坏，而误拒好数据只是损失一个样本65% 相似待验证基于模型内部特征的推断方法面临误报与漏报的权衡65% 相似待验证预标注会引入锚定效应，标注员倾向于接受而非推翻已有预标注结果，即使存在微小错误，低质量预标注会系统性地将判断拉向错误方向65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/916023

API

curl https://kongchang.com/api/v1/knowledge/claims/916023

MCP

get_claim(id=916023)