Unverified60% confidenceFactExact time
GPT-4级别的模型作为Judge时，其评判结果与人类专家的一致性超过80%
2
Sources
60%
Confidence
Long-term
Relevance
3/2/2026
First Seen
Sources
Cursor 2.0实战：Vibe Coding方法论与10倍效率编码指南
bilibili认真的笨笨3/2/2026
Related Entities
Related Claims
Unverified研究表明GPT-4作为评估者与人类专家评分的一致性超过80%，显著高于BLEU、ROUGE等基于词汇匹配的自动化指标84% similarUnverifiedGPT-4等模型在作为评判者时会系统性地偏好特定位置的回答77% similarVerifiedGPT-4、Claude 3.5、DeepSeek等模型在HumanEval编程基准测试上的通过率已超过80%77% similarUnverified在标准化测试中，GPT-4的表现已超过90%的人类考生77% similarUnverifiedOpenAI与Nature合作评估了GPT-4的审稿能力，发现其与人类审稿人的意见重合度约为50-60%74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/2105API
curl https://kongchang.com/api/v1/knowledge/claims/2105MCP
get_claim(id=2105)