待验证50% 置信观点精确时间

0.69的相关性说明LLM判断与人类判断强相关但并非完全等同，LLM裁判可作为大规模筛选工具但在高风险决策场景中人类判断仍不可完全替代

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

XAI-Arena：用大语言模型评判可解释AI的解释质量

涉及实体

XAI-Arenaproduct

相关事实

已验证LLM-as-a-Judge方法存在位置偏差、冗长偏差和自我偏好偏差等已知系统性偏差69% 相似待验证LLM评估相比人工更客观，能在统一评估框架下对候选人一致性打分，避免人类面试官因疲劳、心情、首因效应等认知偏差导致的不公69% 相似待验证LLM-as-Judge存在位置偏见（Position Bias）和奉承偏见（Sycophancy Bias）等问题68% 相似待验证顶级模型在许多评估任务上已接近人类裁判的水平，但存在倾向于给较长回答打高分等偏见68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/907813

API

curl https://kongchang.com/api/v1/knowledge/claims/907813

MCP

get_claim(id=907813)