用残差流激活预测 LLM 评判位置翻转
原文标题：Will the Judge Flip? Predicting Position-Sensitive LLM Judgments from Residual Stream Activations
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究 LLM 评判者因候选回答呈现顺序不同而改变判决的「位置翻转」现象。作者检验初始判决前的残差流激活能否预测翻转，在 JudgeBench 上对三个 Qwen3 评判者与 Llama-3.1-8B 训练线性探针，AUROC 达 0.621–0.850，优于结合置信度、logits 与回答长度的基线。冻结探针在 MT-Bench 上同样有效，表明判决前激活可预测顺序敏感性。
- 问题
- LLM 评判者会因候选回答顺序改变判决，检测翻转需双向评判、成本翻倍。
- 方法
- 用判决前残差流激活训练线性探针，预测评判者是否对顺序敏感。
- 结果
- JudgeBench 上 AUROC 0.621–0.850，比置信度等基线高 0.062–0.113；冻结探针在 MT-Bench 上 0.685–0.853。
- 影响
- 可在不重复评判的情况下识别不可靠判决，降低 LLM-as-judge 评估成本并提示顺序偏差。
深读 · 结论先行AI 生成展开看要点与影响 ↓
判决前残差流激活可预测LLM评判位置翻转，AUROC 0.621-0.850
- •位置翻转通常需正反两序各判一次，成本翻倍；作者检验初始判决前的残差流激活能否预测翻转
- •在JudgeBench的534对样本上对三个Qwen3评判者与Llama-3.1-8B训练正则化线性探针
- •AUROC达0.621-0.850，比结合口头置信度、判决logits、回答长度与初始选择的基线高0.062-0.113
- •JudgeBench上训练后冻结的探针在1802条MT-Bench比较上AUROC达0.685-0.853，无需MT-Bench拟合或重校准
为什么重要：LLM-as-judge的顺序偏差是评测可信度的隐患；能在不重复评判的情况下预判哪些样本易翻转，可用于筛选需要双向评判的样本。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。