待验证50% 置信事实精确时间

GAUGE是研究者提出的一套可复用离线评测协议，用于检验'模拟器对话+LLM裁判打分'门禁的排序结果是否匹配有据可查、可验证的奖励信号

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

GAUGE研究：何时不能信任LLM-as-a-Judge的智能体评测

涉及实体

GAUGEconcept LLM-as-a-judgeconcept

相关事实

待验证RLEF将奖励信号来源从人类判断转向代码执行结果，如测试用例通过率和数学答案正确性等可自动验证的确定性信号，绕开人工标注的扩展性瓶颈69% 相似待验证超越schema和协议检查的智能体一致性测试应覆盖语义契约验证、副作用声明、错误与降级行为、运维横切关注点和可替换性回归五个维度69% 相似待验证一位研究者在Zenodo上发布了一份测量LLM能否正确关闭一个决策的基准测试68% 相似已验证GLM-5.2采用了基于执行反馈的强化学习（RLEF），将代码能否通过测试作为奖励信号优化生成可执行代码的能力67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919796

API

curl https://kongchang.com/api/v1/knowledge/claims/919796

MCP

get_claim(id=919796)