arXiv · cs.AI· Nitish Kumar, Prateik Pothuneedi, Greg Bandak·· 1 天前
LLM评审需要看到什么：七项公共基准上的评审上下文研究
The Anatomy of a Blind Spot: What an LLM Judge Must Be Shown, and How Much
arXiv:2610.15938v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Nitish Kumar, Prateik Pothuneedi, Greg Bandak
研究任务与主要进展
研究团队在七项公共基准上改变LLM评审可见的材料，比较三个价格相差10至17倍的评审模型，发现评审所见的上下文比模型选择更关键。系统在被要求依据其未获知的材料修改答案时，指令遵循和问答表现反而下降，且多轮反馈会加剧下降；在新闻摘要中加入正确参考摘要削弱了来源文本的作用，但单答案问题中参考摘要有所帮助。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org