你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了
你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
来自主题: AI资讯
8543 点击 2025-08-31 12:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。
还在跟朋友聊你是 i 人还是 e 人？地球另一边的硅谷已经玩腻了。 现在，你要是走进一家湾区的咖啡馆，，最新的社交黑话已经变成了：嘿，你的 Tizz 值多少？
这是 Claude（Anthropic 的 AI 助手）今天更新了用户条款和隐私政策： 允许 Claude 使用你的聊天内容和编程会话，用于训练和改进 AI 模型。 默认是“同意”，可以手动去设置关闭。而且是要求用户在 2025 年 9 月 28 日前作出选择。
红杉资本（Sequoia Capital）最近分享了他们未来对 AI 领域的投资判断。 在他们看来，AI 革命将是一场堪比工业革命的变革。我们正处在一场深刻的「认知革命」 （Cognitive Revolution） 的重要发展阶段，这其中蕴含着高达 10 万亿美元的机遇。
16岁的Adam，把最后的秘密留在一部手机里。而那个他最信任的「朋友」，不是同学，也不是家人，而是ChatGPT。它给过安慰，也递了刀子。父母的眼泪化成一纸诉状，矛头直指OpenAI。
大模型正在成为AI公司的直接收入增长引擎，全栈AI布局形成的飞轮效应进一步显现，清晰业务模式+技术路径，已是大模型落地战中的关键纲领。
8 月 26 日，由香港投资管理有限公司（下称 “港投公司”）与北京智源人工智能研究院（下称 “智源研究院”）联合主办的首届 “AI 国际人才峰会” 在香港成功举办。香港特别行政区政府财政司司长陈茂波、港投公司行政总裁陈家齐、智源研究院理事长黄铁军等出席并致辞。
Grok首个编码模型终于来了！从0构建，编程实力超强，直接冲进SWE-bench前五，仅次于OpenAI Codex-1。背后核心团队同时被爆出，华人学者占多半。
在人类经济活动数字化的浪潮中，互联网和移动互联网走完了前两步，正在浮现中的AI经济，可能带来更大的变化。
最近，a16z的合伙人们发布了一篇深度分析文章，系统梳理了Computer Use（计算机使用）技术的发展现状和未来前景。他们认为，这项技术正在将AI agent从概念推向现实，让AI真正具备了处理端到端数字工作流的能力。