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
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程