https://ai.wujiong.cc/tags/llm%E8%AF%84%E6%B5%8B/Recent content in LLM评测 on AI 观察Hugozh-CNMon, 06 Jul 2026 14:02:43 +0800https://ai.wujiong.cc/posts/2026-07-06-llm-as-judge/Mon, 06 Jul 2026 14:02:43 +0800https://ai.wujiong.cc/posts/2026-07-06-llm-as-judge/<p>评估大模型应用的输出质量，最可靠的方式是人工评审，但人工评审成本高、速度慢、难以规模化，而且不同评审者之间的标准也不一致。对于摘要、对话、写作这类开放式任务，又很难用简单的规则自动打分。<strong>于是，用一个大模型来评判另一个模型的输出，即“LLM-as-a-Judge”，成为业界广泛使用的方法。</strong> 它高效、可扩展，但并不完美，需要了解其中的偏差并进行校准。</p>