Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Насколько надежен многоязычный LLM в качестве судьи
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Современные LLM крайне НЕСТАБИЛЬНЫ в оценках – одну и ту же работу они оценивают по-разному в зависимости от языка. Главное открытие: требование объяснения к каждой оценке радикально повышает согласованность и надежность суждений модели. Вместо быстрого интуитивного ответа модель переключается на МЕДЛЕННЫЙ ПОШАГОВЫЙ АНАЛИЗ.