本文提出了“可分性”指标，以解决生成语言偏好评分不一致的问题。通过可分性采样评估生成实例的适用性，实验表明高可分性值能提高评分一致性，并帮助识别有价值的测试基准。此外，可分性被纳入ELO评分，提升了LLM偏好评估的可靠性和效率。