术语词典/LLM-as-Judge（LLM 评判）

Defined Term

LLM-as-Judge（LLM 评判）

用强 LLM 作为裁判，自动评估弱 LLM 的输出质量

详细定义

LLM-as-Judge 是 2023 年兴起的评估范式：用 GPT-4 / Claude 这类强模型作为「裁判」，给待评估模型的输出打分或排序。比人工评估快 100 倍，比传统指标（BLEU / ROUGE）更贴近人类判断。是 LLM Eval 的事实标准。

实例

用 Claude 评判客服 LLM 的回答是否礼貌、准确、完整。
用 GPT-4 给代码 LLM 生成的代码打分（可读性、正确性、性能）。

来自行业的实例

用 Claude 评判客服 LLM 的回答是否礼貌、准确、完整。

用 GPT-4 给代码 LLM 生成的代码打分（可读性、正确性、性能）。

关联术语

Eval（评估体系）Hallucination（幻觉）

返回术语词典

关于 LLM-as-Judge（LLM 评判）的常见问题

LLM-as-Judge（LLM 评判）的核心定义是什么？

用强 LLM 作为裁判，自动评估弱 LLM 的输出质量

LLM-as-Judge（LLM 评判）在 FDE 工作流中扮演什么角色？

LLM-as-Judge 是 2023 年兴起的评估范式：用 GPT-4 / Claude 这类强模型作为「裁判」，给待评估模型的输出打分或排序。比人工评估快 100 倍，比传统指标（BLEU / ROUGE）更贴近人类判断。是 LLM Eval 的事实标准。