提出Evaluation Illusion概念,指出LLM-as-a-judge中的高一致性常源于表面启发式而非实质质量判断;通过大规模实验验证该现象,并引入知识驱动的MERG框架动态生成领域感知评估量规,提升评估可靠性与领域适配性。
机构:腾讯
来源:arXiv 2603.11027 | AI4Papers 论文推荐平台