本研究比较了大型语言模型（如GPT-4o）与人类评审在TREC 2024 RAG轨道中对引文信息支持答案的判断。结果表明，GPT-4o与人类评审的一致性较高，尤其在人工后编辑条件下，显示出LLM评审可作为可靠的替代方案。

2024年TREC RAG轨道的支持评估：人类与大型语言模型评审的比较
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证