本文研究了使用大型语言模型（LLMs）评估文本质量的方法，发现自动思维链（CoT）并不总是与人类评分一致。强制LLMs仅输出数字评分也不理想。要求LLMs解释其自身评分可以改善与人类评分的相关性。这项研究对最新技术的相关性有推动作用。

本文研究了使用大型语言模型（LLMs）评估文本质量的方法，发现自动思维链（CoT）并不总是与人类评分一致。强制LLMs仅输出数字评分也不理想。要求LLMs解释其自身评分可以改善与人类评分的相关性。该研究对最新技术的相关性有推动作用。