待验证50% 置信事实精确时间
LLM-as-a-judge的核心思路是用一个能力较强的大语言模型（通常是GPT-4、Claude等）对另一个模型的输出进行打分或排序
1
来源数
50%
置信度
长期有效
时效性
2026/9/20
首次发现
来源
涉及实体
相关事实
待验证LLM as Judge由Lianmin Zheng等人在MT-Bench论文（2023）中系统提出，核心思路是用独立大语言模型对另一模型输出进行打分以替代人工标注73% 相似已验证大语言模型（LLM）如GPT、Claude等，本质上是通过海量文本数据训练出的概率预测系统73% 相似已验证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73% 相似待验证LLM 评估需要处理语义相似性而非精确匹配，因此评测框架本身也依赖语言模型作为裁判（LLM-as-a-Judge）71% 相似待验证评分函数往往需要精心设计，甚至借助另一个 LLM 来打分，即 LLM-as-judge 模式70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/936115API
curl https://kongchang.com/api/v1/knowledge/claims/936115MCP
get_claim(id=936115)