11:25
官方账号arXiv cs.LG@Bertil Braun, Martin Forell
推荐理由：多模型两两PK加Elo计分来评LLM输出，能调阈值控严格度，科学摘要上跟专家判断挺接近。
专家一致性
共 1 条相关 AI 资讯
7月31日
11:25
这篇论文提出用多个LLM对输出做两两比较、再用Elo评分生成排名的评估框架。通过可调的同意阈值，从全票一致到多数投票，控制评估置信度与覆盖率。作者在科学摘要生成的胜任力画像上做了验证，自动排名与专家判断相关性良好。相比人工评估显著减少干预成本，且不依赖参考标准。论文编号为arXiv:2607.28282v1。