LLM-judge-reporting：开源工具助你校正 LLM 评估偏差并计算置信区间

GitHub 上的开源项目 LLM-judge-reporting 用于纠正大语言模型评估中的偏差并计算置信区间，还提供自适应采样算法以提升校准样本效率。该工具支持 CSV 或 JSON 数据输入，需 JRE 11 及以上版本，可运行于 Windows 10+、macOS 10.15+ 或兼容 Linux，占用至少 4 GB 内存和 100 MB 磁盘空间。