本文介绍了大模型（LLMs）在文本评估中的问题，包括偏见和不一致性，并提出了一种新的评估范式，使用成对偏好排序来对LLMs进行评估。作者设计了两种高效的偏好搜索算法（PairS-greedy和PairS-beam），并在多个数据集上进行了实验，结果显示PairS在与人类评分的一致性方面表现更好。

OpenAI推出了更快、更准确的内容审核接口，免费提供GPT分类器，能够检测色情、仇恨、暴力和自残等不当内容。该接口经过训练，能快速、准确地评估文本，降低错误输出风险，增强在教育等敏感场合的应用信心。