用LLM作为评估器的话，这种用概率模型评估概率模型，怎么确保评测的可靠性和稳定性？

Question

Accepted Answer

考察点：考察使用LLM作为评估器时的可靠性、稳定性和偏差控制能力。回答思路：说明LLM作为评估器的固有偏差和波动来源 提出减少随机性的方法，如多次采样、温度设置 讨论校准、一致性检验和人工抽检的结合 涉及基准测试、提示工程和评估协议设计

考察说明