n8n 搭建双裁判 LLM 评测流水线:跨厂商打分防自偏好

ZtasnimS75 · reddit · 2026-11-19

一位开发者用 n8n 搭建并开源了一套「用其他 LLM 当独立裁判」的模型评测工作流:

设计要点:裁判都不是候选模型本身,避免自偏好;两裁判分差 ≥2 会作为指标显式暴露。作者也坦承 5 题只是 demo,真正的评测需要更大的标注集。工作流 JSON、配置和建表 SQL 均在 GitHub。

所属事件:开发者开源n8n双裁判LLM评测流水线防自偏好(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →