Agent 评测与可靠性自动 vs 人工评价怎么选?本页总览自动 vs 人工评价怎么选?Agent 评测与可靠性初级评测与可靠性 题目 自动 vs 人工评价怎么选? 参考答案 点击展开参考答案 LLM 评估应组合参考式、无参考、执行式、任务指标、模型裁判与人工 rubric,并报告自动指标偏差、人工一致性及置信区间。 追问方向:可继续比较 model-as-judge 的位置偏差,或为 faithfulness 设计逐断言人工 rubric。