Unverified50% confidenceOpinionExact time
LLM-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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/19/2026
First Seen
Valid until: 10/17/2026
Sources
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82% 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75% similarUnverified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75% 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75% similarUnverifiedLLM-as-Judge范式使用能力更强的大语言模型（如GPT-4o或Claude 3.5 Sonnet）对被评估模型的输出进行打分73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/558696API
curl https://kongchang.com/api/v1/knowledge/claims/558696MCP
get_claim(id=558696)