ICML新作：校正LLM-as-Judge评测中的系统性偏差
Kangwook_Lee · x · 2026-07-06
研究人员在 ICML 展示 "LLM-as-a-Judge Corrected"，旨在修正将 LLM 用作评判模型时存在的系统性偏差，以提高智能体和模型自动化评测的可靠性。该工作由 Kangwook Lee 课题组多位研究者合作完成，针对当前 LLM-as-Judge 评测框架的已知局限性进行改进。
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27