Unverified50% confidenceFactExact time
评测采用 GPT-5.5 担任 LLM 评审法官，配合人工品味评分的混合方式
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/13/2026
First Seen
Valid until: 10/11/2026
Sources
GPT-5.6三模型实测：Sol、Terra、Luna全面对比
bilibili小牛AI_XNAI7/10/2026
Related Claims
VerifiedLLM-as-Judge方法利用GPT-4等大语言模型作为裁判对Agent输出质量进行自动化评分78% similarUnverified评测采用 GPT-5.5 担任 LLM 评审，并以 70% 人工 + 30% 机器权重合成加权指数76% similarUnverifiedLLM-as-Judge使用另一个强力模型（如GPT-4）来评判输出质量，因其灵活性正在成为主流评估方式75% 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72% similarUnverified高考作文评分由GPT-4.1和Claude Sonnet 5两个模型交叉打分，模仿高考双评卷模式71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/497265API
curl https://kongchang.com/api/v1/knowledge/claims/497265MCP
get_claim(id=497265)