有哪些信誉好的足球投注网站- 1、本文档共15页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Preprint.Underreview.
工程清单使多语言LLM评委得以赋能
12
MohammadGhiasvandMohammadkhani,HamidBeigy
12
AmirkabirUniversityofTechnology,SharifUniversityofTechnology
mohammad.ghiasvand@aut.ac.ir
Abstract
自动化文本评估一直是自然语言处理（NLP）中的核心问题。近年来，该领
域转向使用大型语言模型（LLMs）作为评估者——这一趋势被称为LLM-
as-a-Judge范式。尽管有前景且易于跨任务适应，但这种方法在多语言环境
下的探索有限。现有的多语言研究通常依赖专有模型或需要大量的训练数
本据进行微调，引发了关于成本、时间和效率的担忧。本文提出了C检查清
译单E工程化的LLM-as-a-判断（评测法官），这是一种无需训练的框架，使
用开放式源代码模型进行多语言评估的检查清单直觉。在多种语言和三个
中基准数据集上的实验，在点对点和成对设置下均表明，我们的方法一般优
1于基线，并且与GPT-4o模型表现相当。1
v
4
7
7
61介绍
0
.
7
0评估是自然语言处理（NLP）中最重要的任务之一，用于衡量模型在特定任务上的表现。自动
5
2化这一过程非常有益，并且自早期阶段就被考虑过。传统的评估指标(Papinenietal.,2002)
:存在一些缺点，例如需要参考答案和缺乏可解释性，这导致了向开发大型语言模型（LLM）
v
i评估器转变的范式变化，即所谓的LLM-as-a-Judge(Guetal.,2024;Lietal.,2024)。这些
x
r模型也能够以逐点或成对的形式评估长文本生成——意味着分别为单个响应评分或在两个
a
响应中选择较好的一个。这种方法的一些优点包括高度适应性(Bavarescoetal.)、低推理时
间以及被评估的LLM在评估期间不需要活跃（即，无需生成更多响应）。尽管人们已做出
大量努力使LLM多语言化，但将LLM-as-a-Judge扩展到多语言配置方面受到的关注相对
较少。虽然当前的多语言LLM评判者(Pombaletal.,2025;Doddapanenietal.,2024b)表
现良好，但其主要限制在于依赖专有模型或需要大量的真实或合成数据来微调一个有能力
的评估器，这引发了关于成本、时间和效率方面的担忧。同时，作为可解释性评估工具的检
查表(Doddapanenietal.,2024a;Cooketal.)由于其透明性和结构化正在获得越来越多的
关注，尽管它们在多语言评估中的应用仍相对较少探索。大多数现有的方法也缺乏对成对评
估的有力支持。例如，(Weietal.)建议通过基于独立逐点分数选择得分较高的响应来处理
成对设置，这未能捕捉到响应之间微妙的比较优势。在这项工作中，我们介绍了CE-Judge，
这是一个使用工程化的检查列表进行评估的LLM-as-a-Judge框架。它支持多语言评估，并
且兼容逐点和成对模式。我们的流水线遵循三阶
文档评论（0）