稀疏重叠下的 LLM 裁判验证：从推断到设计

标注重叠稀疏度是导致大语言模型裁判（LLM-as-a-judge）部署决策错误的首要因素：在成对重叠率仅为 5% 时，错误决策率达 25%，从 10 个候选者中选错最佳裁判的概率达 65%。研究推导公式证明 $\rho \geq 0.25$ 即可满足非边界裁判验证，其零成本分层分配方案较随机抽样将错误拒绝率减半，并在 10 个 LLM 裁判上完成验证。