MAWILE：用于检查 LLM 评估器的多轴工作台

英文标题：MAWILE: Multi-Axis Workbench for Inspecting LLM Evaluators

MAWILE 是一个面向大语言模型（LLM）评估器的多轴检查工作台。论文指出，LLM Judge 虽然能够以灵活且可扩展的方式评估模型及 Agent 输出，但其判定结果可能受到被评估回答、评审指令和评分量规中偶发改动的影响。该研究聚焦于提升对 LLM 评估器行为及其稳定性的检查能力，对构建更可靠的模型评测流程具有意义。原文提供的摘要内容在“Existing syst”处截断，未包含更多方法和实验细节。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB