开发者实测：LLM 评委准确率低于被评分的 Agent

一位开发者在其「生成搜索查询的 Agent + LLM 评委打分」系统中发现，评委的准确率反而低于被它评分的 Agent：基线测试中 Agent 9 题对 8 题，评委 9 题只对 7 题。