提出CaLLM框架多校准缓解LLM评审偏差

1. 12:00
   arXiv · cs.AI

   CaLLM：通过多校准缓解 LLM-as-a-judge 偏差

   研究者提出后处理框架 CaLLM，用于同时缓解大语言模型评审在候选答案位置、冗长度和模型家族等方面产生的系统性偏差。基于论文摘要，作者证明在相关群体的误差结构可由可用表征捕获时，CaLLM 可界定各群体的偏差，并在加入显式偏差群体后进一步降低残余偏差；成对偏好基准评估显示，该方法同时降低了指定和未指定群体的多校准误差，并提升了评审预测性能。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。