Unverified50% confidenceFactExact time
OpenAI和Anthropic在模型对齐中广泛使用LLM-as-Judge（用大模型评估大模型输出）技术
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
TraeHarness开源：18个AI Agent组建虚拟开发团队
bilibili菠萝的自我救赎6/20/2026
Related Claims
VerifiedLLM-as-a-Judge是目前最流行的自动化评估方法，使用一个大模型来判断另一个大模型输出的质量74% similarUnverified该系统采用模型无关（Model-Agnostic）设计，可接入 OpenAI、通义千问、智谱 GLM、DeepSeek 或本地部署的 Llama、Mistral 等模型74% similarUnverifiedOpenAI o系列模型侧重推理链，强调通过深度思考推导已有知识，与AlphaEvolve的搜索发现路线形成对比72% similarUnverifiedMLflow的评估框架采用了LLM-as-Judge范式，用一个强模型来评判另一个模型的输出72% similarUnverified该研究使用「LLM作为裁判」的评估方式，只要本地模型胜出或与专有模型打平就计为一次胜利71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/43507API
curl https://kongchang.com/api/v1/knowledge/claims/43507MCP
get_claim(id=43507)