论文研究人格化LLM智能体评审的规模化规律

HyunJoon Jung与William Na在arXiv论文（arXiv:2604.00477v2）中研究了基于人格化LLM智能体的多轮评估，将质量评分与问题发现分离。基于论文摘要，在两个模型组合、15项任务、960次会话中，作者称这类agent judge在图灵式验证中的评估与人类评审不可区分。 结果显示质量评分随评审规模呈对数增长，独特问题发现呈次线性幂律增长，评分饱和速度约为问题发现的两倍；作者假设这反映了问题发现空间的幂律分布。消融实验还表明，形成这些规模化特征需要结构化人格条件化，而非简单提示词。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。