arXiv · cs.AI· Sangdo Han, Moonsoo Kim·· 5 小时前
无标签评分标准澄清提高LLM评审共识但未改善与人类的一致性
Agreement Without Alignment: Label-Free Rubric Clarification Increases LLM-Judge Consensus but Not Agreement with Humans
arXiv:2610.13303v1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：Sangdo Han, Moonsoo Kim
研究任务与主要进展
基于论文摘要，作者提出一种不使用人工标签改写评分标准的程序，通过按评审间分歧排序并编辑争议子标准，提高LLM评审之间的共识。五个评审在SummEval上的Krippendorff's α较原评分标准提高0.069，较随机编辑对照提高0.074，但与专家评分的Kendall's τ差异为-0.007，变化区间包含零；HealthBench和USR也未达到预设效果标准。
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