arXiv 人工智能· William DeShong, Barath Kannan, Auberon Palma, Brenda Bradshaw, James F. Leathrum, Jr., Yuzhong Shen·· 6 小时前AI 评分32
无真实标准下筛选 LLM 裁判：AI 口腔卫生教练的初步评估
Screening LLM Judges Without Ground Truth: A Preliminary Evaluation of an AI Dental Hygiene Coach
AI 导读
研究人员提出了一种在缺乏专家真实标准时筛选候选 LLM 裁判与学生模型的分阶段流程，并在 AI 口腔卫生教练案例中进行了验证。测试中使用 5 个裁判模型对微调后的 Granite-4.1-8B 和 Qwen3-8B 进行了 7 项指标评估，本地裁判 Qwen3.8-27B 和 Gemma-4-31B-it 在 6 项指标上的表现与托管裁判相当。
来源：arXiv 人工智能 · arxiv.org