LLM 评审该看什么、看多少：一项关于评审盲点的解剖研究

一项在七个公开基准上的研究发现，LLM 评审被展示的内容比评审模型本身更关键，即便三个评审模型价格相差 10 至 17 倍。当系统依据未看到必要约束的评审反馈修改答案时，指令遵循与问答表现反而低于起点，且指令遵循的损失随轮次累积。研究还发现约十分之一的原文承担了几乎全部作用，小型蕴含图在定位有据文本错误上可媲美 LLM 评审。