用LLM做评审靠谱吗：8个月实战经验与踩坑
larabyeol · reddit · 2026-07-07
一个每周处理约5万条LLM输出的团队分享8个月用GPT-4o做自动评审的实战经验：它在捕捉明显回归、格式错误、幻觉实体上表现不错且够快；但跨次一致性差（未锁定prompt和模型版本时，同一输出两周内评分分歧超30%）、存在位置偏差（A/B对比时偏好排前者），且对自家模型输出打分更宽松。建议锁定评审prompt与模型版本、交换位置跑两次等来缓解。
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11