arXiv · NLP· Tae-Eun Song·· 2026-10-07AI 评分21
跨模型审查在LLM代码验证中何时有用?
When Does a Second Model Help? Cross-Model Review in LLM Verification
AI 导读
实验发现,顶级跨模型审查与同模型新会话审查的F1分数无显著差异,但两者识别的错误重合度仅41.2%。 在两次审查调用中,一次跨模型加一次同模型审查捕获更多植入错误(56.7% vs 42.7%),但不显著优于两次顶级跨模型审查,未区分模型差异与审查能力。
来源:arXiv · NLP · arxiv.org