arXiv · AI· Yiyao Zhang, Diksha Goel, Hussain Ahmad·· 13 小时前AI 评分28
EL-DGR 非补偿性规则如何限制 DeepSeek-R1-7B 在 LLM 评判失败中的决策边界
When the Judge Should Not Decide: Evidence-Locked, Non-Compensatory Selection Bounds LLM-Judge Failure in Reasoning Pipelines
AI 导读
约束 LLM 评判的决策规则比评判准确性更关键，EL-DGR 非补偿性规则在 GSM8K 上达到 58.2%，显著优于 56.8% 的 DeepSeek-R1-7B 评判。 该规则要求推翻共识需附带提取式证据证书，且仅在双方均未获证书且修复项获证书时启用，将评判的爆炸半径限制在可验证范围内。 实践启示是限制评判器的决策范围而非追求其准确性，避免破坏性决策。
来源：arXiv · AI · arxiv.org