待验证50% 置信概念精确时间
对话自动评估（LLM-as-a-Judge）是当前代理评测的主流做法：用另一个大模型按预设评分标准对对话记录打分，或判断回复是否满足事实性、语气、合规等维度。
1
来源数
50%
置信度
长期有效
时效性
2026/11/1
首次发现
来源
涉及实体
相关事实
待验证LLM-as-a-judge通过将Agent执行轨迹和评判标准组成提示词交由独立裁判模型打分或给出通过/拒绝决策来评估Agent行为76% 相似待验证“LLM作为评判者”是当前评估生成式AI系统的主流范式之一，其基本做法是让能力较强的语言模型依据预设评分标准对待测系统的输出进行打分或排序。74% 相似已验证LLM as Judge是利用一个独立裁判LLM评判主模型输出质量的技术，评判维度包括安全性、相关性、事实一致性71% 相似已验证LLM-as-a-judge模式即用一个能力更强的模型来评判另一个模型的输出质量，降低评测成本但引入评判模型自身的偏见问题70% 相似待验证一些团队引入LLM-as-Judge方式，用另一个模型评估Agent输出质量以形成自动化质量闭环70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1123655API
curl https://kongchang.com/api/v1/knowledge/claims/1123655MCP
get_claim(id=1123655)