Unverified50% confidenceFactExact time
GPT-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
1
Sources
50%
Confidence
Long-term
Relevance
8/6/2026
First Seen
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79% similarUnverifiedGPT-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%77% similarUnverified每次推理需要将模型权重加载到GPU显存并按Token逐步生成回答，GPT-4级别模型参数量通常在数千亿量级76% similarUnverifiedGPT-5.1引入了内部一致性检查机制，在生成最终答案前对推理链路进行自我审计76% similarUnverified不同大模型（GPT-4、Claude、Llama等）对Prompt的响应特性有所不同，实践中需要针对具体模型进行调优76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/696960API
curl https://kongchang.com/api/v1/knowledge/claims/696960MCP
get_claim(id=696960)