本文引入了微调llm做为可扩展“”的概念，从而加强了JudgeLM的靠得住性和矫捷性。该阐发处理了LLM判断微调固有的误差，从而为LLM评估的将来研究奠基了根本。正在式中评估大型言语模子(llm)是一项具有挑和性的使命。为了降服这一挑和，包罗分歧的种子使命、LLM生成的响应和GPT-4的细致判断，跨越了人取人之间的分歧性。该方式连系了大量高质量的模子数据集，其分歧性程度跨越90%，如许能够正在式基准场景中无效地评估llm。