Yirui Zhang

LLM评审过程通常无法提高准确性，不如更强的模型

一篇新的arXiv论文《评审很少能胜过更强的模型》（Review Rarely Beats the Stronger Model）研究了使用一个大型语言模型评审另一个模型输出的有效性。研究发现，虽然评审可以提高准确性，但它常常将此与能力迁移混淆，即评审者只是采纳生成者的答案，而不是提供自己更优的答案。在各种模型和任务中，评审仅在少数情况下单独胜过更强的模型，并且成本显著更高。