质量评估 on Note100.com http://www.note100.com:80/tags/%E8%B4%A8%E9%87%8F%E8%AF%84%E4%BC%B0/ Recent content in 质量评估 on Note100.com Hugo zh-CN liuyang@qianlima.com (刘洋) liuyang@qianlima.com (刘洋) Tue, 23 Sep 2025 07:49:34 +0000 LLM as A Judge[译] http://www.note100.com:80/posts/llmasajudge%E8%AF%91/ Tue, 23 Sep 2025 07:49:34 +0000liuyang@qianlima.com (刘洋) http://www.note100.com:80/posts/llmasajudge%E8%AF%91/ <p>目前，大语言模型（LLM）的大规模质量评估方式其实存在根本问题。传统的评估方法，比如 BLEU 和 ROUGE 指标，原本是为了翻译任务设计的，根本不适合处理自由开放、无明确标准答案的生成任务。</p>