待验证50% 置信事实精确时间
学术界发展出G-Eval、MT-Bench等评测方法，LLM-as-Judge已成为自动化Agent评测的主流技术路线之一
1
来源数
50%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
相关事实
待验证智能体评估的主流方案包括LLM-as-Judge、轨迹匹配和结果验证80% 相似待验证斯坦福大学的AlpacaEval和MT-Bench等评估框架已将LLM-as-Judge方法系统化80% 相似待验证当前Agent评测的探索方向包括LLM-as-Judge、轨迹相似度比对以及基于人类反馈的在线评测77% 相似待验证当前主流的LLM评估方法包括基于参考答案的指标（如BLEU、ROUGE）、基于模型的评估（LLM-as-a-Judge）和基于人类偏好的评估（如Chatbot Arena的ELO评分）75% 相似待验证学术界发展出G-Eval、MT-Bench、HELM等评测方法，核心思路是将评测分解为多个维度的加权评分73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/610918API
curl https://kongchang.com/api/v1/knowledge/claims/610918MCP
get_claim(id=610918)