待验证50% 置信基准精确时间

研究表明LLM裁判与人类专家的一致性在许多任务上可达80%以上

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

企业级AI Agent生产落地：从Demo到上线的五大支柱

bilibiliEasonlee的AI笔记2026/6/29

相关事实

待验证研究表明经过良好校准的LLM裁判与人工标注的一致性可达80%以上83% 相似已验证LLM-as-Judge方法与人类专家评分的一致性可达80%以上80% 相似待验证研究发现强大的LLM在评估开放式问答质量方面与人类评分者的一致性可达80%以上79% 相似待验证研究表明LLM裁判与人类评分的一致率约为80%，接近但尚未超越人类自身一致性水平（约81%）76% 相似待验证2024年的多项研究表明，LLM裁判与人类专家的一致率通常在70%-85%之间75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/447811

API

curl https://kongchang.com/api/v1/knowledge/claims/447811

MCP

get_claim(id=447811)