Rubric LLMs

Hugging Face 研究：更便宜的 LLM 在引文评判方面具有竞争力

一项来自 Hugging Face 的新研究调查了各种大型语言模型 (LLM) 在研究中用作引文质量评判的有效性。该研究侧重于评估这些 LLM 在多大程度上能够评估搜索支持的 LLM 所做声明的来源相关性和事实支持。结果表明，像 GPT-5 mini 这样成本较低的模型在来源相关性方面表现具有竞争力，而事实支持分数在测试模型之间相似。然而，观察到了方向性偏差的显著差异，例如假阳性和假阴性率，这凸显了在将 LLM 评判用作研究应用的强化…