arXiv · cs.AI· Wenqi Li, Bin Liu, Mindi Ruan, Chuanbo Hu, Minglei Yin, Xin Li·· 2 天前
CAP：诊断LLM评审器在不同部署条件下的条件准确率
Conditional Accuracy Profiles: Diagnosing LLM Judges across Deployment Conditions
arXiv:2610.09229v1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：Wenqi Li, Bin Liu, Mindi Ruan, Chuanbo Hu, Minglei Yin, Xin Li
首次提交：2026-10-07 07:46
研究任务与主要进展
研究提出条件准确率分析框架CAP，将成对LLM评审器的准确率拆分为内容敏感性、鲁棒性和理由质量八类条件。作者在7个LLM评审器和6个成对评审基准上应用CAP，并通过judgerEva-Standard测试床发现，总准确率无法反映部分部署条件下的失效风险。
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