热点事件持续更新
开源评测工具 Mistrial 发布，用于检测大模型裁判稳定性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，开源评测工具 Mistrial 正式发布。该工具主要针对大模型裁判（LLM judge）在评估任务中表现出的不稳定性与评分翻转问题。根据报道，Mistrial 能够通过多次运行，跨轮次、跨评判模型以及改写评分准则（Rubric）对大模型裁判重新进行测试，量化评估其评分波动，并最终生成并输出可靠性报告卡，以检验评测结果的稳定性与可靠程度。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 08:46
开源评测工具 Mistrial 正式发布，可跨轮次检测大模型裁判的不稳定性与评分翻转。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- Hacker News · AI精选开源评测工具 Mistrial 发布：多次运行检测大模型裁判的不稳定性与评分翻转
开源评测工具 Mistrial 正式发布，通过跨轮次、跨评判模型与改写评分准则（Rubric）重新测试大模型裁判（LLM judge），量化评估评分波动并输出可靠性报告卡。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 09:00）·近 24 小时可比范围变化 –
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。