AGI Hunt· kalyan_kpl·2026-11-16 17:19· 43 分钟前AI 评分40谁来评判 LLM 评审?新论文提出多语言探针检验评测指标AI 导读题为《Who Judges the LLM Judges?》的新论文提出多语言探针,用于检验评测指标能否捕捉语义层面的含义。研究者以此检验 LLM 作为裁判这一评测范式的可靠性,避免指标仅停留在表面文本相似度。来源:AGI Hunt · agihunt.info论文研究评测基准#论文/研究#评测/基准查看事件全部后续