别只追最强模型:用多模型互查加 LLM 评审来验证输出
iruletheworldmo · x · 2026-11-07
作者认为人们过度执着于「跑最强的单个模型」,更好的做法是组建一个不同模型的团队,让它们互相检查工作,并建立验证机制。即使在没有明确可验证标准的困难领域,也可以用 LLM-as-a-judge 的方式做评估。他还表示这套方案的主力模型应该以 OpenAI 和 Anthropic 的模型为主。
「编程与Agent」频道最新
- Devin 新版界面预览曝光：单月 880 ACU 用量、380 个 PR 合并 — ghumare64 · 2026-11-07
- 百 Agent 部署难题之四:失败级联、重试重复与错误扩散 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之五:可观测性、安全与成本追踪的落地清单 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之三:工具争用、限流中断与成本飙升 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之二:共享上下文过期、丢失与 token 膨胀 — goyalshaliniuk · 2026-11-07
- 百 Agent 部署难题之一:协调复杂,产出冲突与依赖失控 — goyalshaliniuk · 2026-11-07