LLM裁判存在分数区间偏差
xennygrimmato_ · x · 2026-07-15
这篇 ACL 论文讨论了 LLM-as-a-Judge 的一个新偏差：分数区间偏差（score range bias）。
核心发现
- 当给裁判模型的评分区间做等价平移时，比如 1-5 改成 2-6，模型对人类判断的相关性会系统性变化。
- 这种变化与被评内容本身无关，说明裁判模型存在此前未被充分记录的评估失真。
- 该现象在不同模型家族中都能观察到，包括 Llama-3 和 Qwen2.5，并且跨参数规模都成立。
论文思路
作者提出用 contrastive decoding 来缓解这种偏差。
这条帖文转述的是 PatronusAI 在 ACL 2026 上的论文发布，指向的是评测方法本身的可靠性问题，而不是某个单独模型的榜单成绩。
「研究」频道最新
- LightMTP：轻量潜空间多 token 预测助 LLM 预训练学会提前规划 — gdm3000 · 2026-10-27
- EMNLP 研究：AI 翻译小说读得顺，但质量波动远大于人类译本 — tuvllms · 2026-10-27
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27