SpecJudge 作者谈 LLM-as-judge 置信度：拒绝 0-100 分的两套替代方案

开源工具 SpecJudge 用本地 LLM 做 judge，作者刻意不问模型「你有多自信」，也不采用 0-100 分数。给出的三条理由是小模型的自报不是证据、sufficient/scarce/拒绝三态过粗、百分数会诱导不可比项目互比并给装饰性猜测披上精度外衣。