GitHub · 去对齐工具与仓库·· 15 天前AI 评分43
JudgeBench：基于评分细则的开源 LLM 评测系统，对照人类判断评估模型答案
AbinaSelvamurugan/llm-as-judge-scoring-system
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/AbinaSelvamurugan/llm-as-judge-scoring-system
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
GitHub 上的 JudgeBench 项目按评分细则评估 LLM 答案，调用 Claude Messages API 做格式校验打分，默认模型为 claude-sonnet-4-6，并独立收集人类盲评、计算人机一致性。系统对事实正确性等七个准则按 1–5 分评分，默认通过阈值为 0.65，提供 CLI 和 10 视图 Streamlit UI，以 MIT License 开源。
来源：GitHub · 去对齐工具与仓库 · github.com