Home/Blog/LLM 当裁判可靠吗：位置偏见、长度偏见、自我偏好AI 与机器学习LLM 当裁判可靠吗：位置偏见、长度偏见、自我偏好掘金2026-11-02 19:120 viewsLLM 当裁判可靠吗：位置偏见、长度偏见、自我偏好 先说一个反直觉的结论：规则满分是最危险的信号。 因为它意味着没人会去看它。 我最近跑了一版"规则先行、LLM 兜底"的评测流程，5 条样本里 3 条Source：https://juejin.cn/post/7703390672704127019My favoritesPrevious第 5 讲：Function Calling 做强制结构化输出——把「交卷」伪装成 toolNextEyf半字节【3.0 版】正式发布｜订单、单证、扫码三大核心模块全新重构Related postsRSI 向前迈进一大步？GPT-6 像编程一样编辑模型权重，数学能力提高 6 倍昨晚推上最热的研究：我们可能可以像编程一样，让 AI 编写 AI 模型的权重文件。团队用 GPT-6 Astra 直接编辑 Qwen3.5-0.8B 的权重，只改动 0.016%，MATH-500 准确率就提到原来的约 6 倍，IFEval0人人都是产品经理寻找AI时代的下一个黑马：安全创客汇重磅升级为AI创客汇11月3日，在2026年世界互联网大会乌镇峰会期间，奇安信宣布：国内网络安全领域最具影响力的专业创投平台之一—— 安全创客汇，即日起正式升级为“AI创客汇” 。新平台将延续过去严苛的选拔机制与创投生态，而赛道边界将彻底打开——由聚焦网络安全0雷峰网整合家庭功能至一处：谷歌开始向安卓系统分批推送全新 Family Hub 管理中心IT之家 11 月 3 日消息，据外媒 AndroidAuthority 报道，谷歌正在为安卓系统分阶段推送 Family Hub 家庭管理中心，将原本分散在 Family Link、Google Play 商店及谷歌账号设置页面中的相关功0IT之家消息称高盛限制交易员与银行家使用部分 AI 工具，引发员工不满IT之家 11 月 3 日消息，据彭博社报道，高盛集团在评估效率与风险隐患后，禁止大部分员工使用面向编程的先进人工智能工具，这一举措引发部分员工不满。 此前数月，高盛允许银行从业人员在工作中使用 Anthropic PBC 的 Claude0IT之家Marvell 千亿美元吞下 Lumentum，获英伟达黄仁勋点头支持IT之家 11 月 3 日消息，据彭博社报道，迈威尔科技（Marvell Technology Inc.）与 Lumentum 控股公司的负责人在敲定这笔近 1,030 亿美元 （IT之家注：现汇率约合 6,865.35 亿元人民币） 的合0IT之家2026 年 11 月索尼 PS Plus 会免游戏上线：含《死亡岛 2》《古墓丽影 IV–VI：复刻版》等 4 款IT之家 11 月 3 日消息，索尼 2026 年 11 月 PlayStation Plus 一档会免游戏阵容现已正式上线，除了先前公布的《死亡岛 2》PS4/PS5 版、《古墓丽影 IV–VI：复刻版》PS4/PS5 版和《怪物列车 20IT之家
