已验证65% 置信事实时间未知

LLM-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

3

来源数

65%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Agent评估五维体系：AI产品经理面试必考题全解析

bilibili果果姐讲AI

涉及实体

LLM-as-Judgeconcept GPT-4model

相关事实

待验证LLM-as-Judge范式使用能力更强的大语言模型（如GPT-4o或Claude 3.5 Sonnet）对被评估模型的输出进行打分83% 相似待验证LLM-as-Judge使用另一个强力模型（如GPT-4）来评判输出质量，因其灵活性正在成为主流评估方式82% 相似待验证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79% 相似待验证评测采用 GPT-5.5 担任 LLM 评审法官，配合人工品味评分的混合方式78% 相似待验证GPT-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%74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/24751

API

curl https://kongchang.com/api/v1/knowledge/claims/24751

MCP

get_claim(id=24751)