研究提出VoirDire方法以反事实校准提升LLM评测可靠性
Start here
2026年11月3日，研究团队在arXiv发布论文，提出名为VoirDire的反事实校准方法，用于实现可靠的LLM-as-a-Judge聚合。该方法通过受控的反事实干预校准大语言模型评审委员会（LLM-judge panels）聚合，旨在削弱模型对冗长、格式等表面属性的共享偏见。在涵盖连续评分、二分类与成对偏好的12个数据集评测中，VoirDire相比现有聚合基线取得了显著改善，使连续评分任务的MAE最多降低26.8%，并在二分类与偏好任务上将准确率最高提升5.3个百分点。
AI-generated from reports · Updated 1 day ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习VoirDire：用于可靠 LLM-as-a-Judge 聚合的反事实校准方法
研究团队提出 VoirDire，通过受控的反事实干预校准大语言模型评审委员会（LLM-judge panels）聚合，以削弱模型对冗长、格式等表面属性的共享偏见。在涵盖连续评分、二分类与成对偏好的 12 个数据集评测中，VoirDire 相比现有聚合基线将连续评分任务的 MAE 最多降低 26.8%，并在二分类与偏好任务上将准确率最高提升 5.3 个百分点。
Story heat trend
Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-51%
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.