LLM judge1 篇实战文章

前几个月我调一个 selfimproving agent 的 loop。给它一个 judge prompt，让它每次改动后自己打分，分数升了就保留。前几轮很有成就感，分数从六十几涨到八十几。直到我拿一个空字符串的回答去问同一个 judge，它很肯定地给了个高分。