无基准真值筛选 LLM 评审：AI 牙科保健教练的初步评估

该研究提出分阶段流水线，在专家评审前筛选 LLM 评审与模型，避免昂贵的人工评估。 测试采用合成数据，对比 Granite-4.1-8B 和 Qwen3-8B 两个微调模型及 5 个评审。结果发现部分本地评审与托管评审高度相似，且未显出偏好偏差，但学生模型未决出胜负。 因缺乏专家评分验证，结果仅为初步，后续需锚定专家判断以确认临床效果。