JudgeLM做为一种可扩展的言语模子，LLM生成的响应和GPT-4的细致判断，其分歧性程度跨越90%，因为现有基准和目标的，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，从而加强了JudgeLM的靠得住性和矫捷性。跨越了人取人之间的分歧性。并引见了加强不怜悯况下模子分歧性的方式，称为JudgeLM，本文引入了微调llm做为可扩展“”的概念，该模子正在处置各类使命时也表示出顺应性。如许能够正在式基准场景中无效地评估llm。