自建评测：用 LLM 当裁判循环跑分

MatthewBerman · x · 2026-07-07

Matthew Berman 分享 AI 评测实践要点：自己构建 benchmark、用 LLM 作为裁判（LLM-as-judge）打分，再循环迭代评估，强调可复现的自定义评测流程。