共 1 篇相关文章
NeurIPS 2026研讨会论文系统评估LLM评审员在个性化写作风格判断中的可靠性,分析写作任务、模型组合、评估目标与通用能力对评审质量的影响,揭示LLM-as-a-Judge的潜在偏差。