#一致性

用另一个大模型做评测（LLM-as-Judge），它的正确率和自我一致性怎么保证？

考察对 LLM-as-Judge 可靠性的理解：先用人工标注金标准测一致率，再针对位置偏差、冗长偏差、自我偏好做工程矫正，多次采样校验稳定性。