IXThinker·2025-08-18 12:20

研究揭LLM當裁判缺陷 先要認出誰在說話

上海交通大學王德泉課題組發表論文PersonaEval，系統檢驗大語言模型擔當「裁判」評估AI生成內容的可靠性，聚焦一個基礎問題：AI能否準確辨認對話中誰在說話。

AI裁判興起

大語言模型正從工具進化為「裁判」（LLM-as-a-judge），大規模評判AI自己生成的內容。這種高效評估範式與人類判斷的一致性，卻很少被深入驗證，埋下隱憂。