开发者实测LLM评委准确率低于被评Agent

2026年10月27日，AGI Hunt 报道，一位开发者在搭建“生成搜索查询的 Agent + LLM 评委打分”系统时发现，LLM 评委的准确率反而低于被它评分的 Agent。其基线测试显示，被评 Agent 在 9 道题中答对 8 题，而 LLM 评委在同样 9 道题中只判对 7 题。该实测目前来自单一开发者案例，报道未给出测试题目、所用模型及评分标准的更多细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。