Unverified50% confidenceBenchmarkExact time
2023年学术界研究发现，顶级大模型作为评判者与人类专家的判断一致性可达80%以上
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
AI Agent上线后如何做在线评估？四种方法全解析
Related Claims
Unverified2023年加州大学伯克利分校发布的MT-Bench基准测试发现，顶级大模型作为评判者与人类专家判断一致性可达80%以上84% similarVerifiedThe LLM-as-Judge method can achieve over 80% agreement with human expert scoring.81% similarUnverifiedZheng等人2023年发表的MT-Bench论文及多项后续研究证实，裁判模型的评分与人类专家评估具有80%以上的相关性76% similarUnverified研究表明LLM裁判与人类专家的一致性在许多任务上可达80%以上74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/503313API
curl https://kongchang.com/api/v1/knowledge/claims/503313MCP
get_claim(id=503313)