智源研究院开源裁判模型“JudgeLM”，可评测各类大模型并输出评分

据站长之家 11 月 13 日报道，智源研究院开源了一种名为 JudgeLM 的裁判模型，可以高效准确地评判各类大模型。与 GPT-4 相比，JudgeLM 仅需 1/120 的成本，就能达到 90% 以上的评判结果一致性。它可以应用于纯文本、多模态等多种评判场景，并可以输出评分、判断和阐述理由。通过创新方法，JudgeLM 与参考答案的一致性最高超过了 90%，接近人类表现。

JudgeLM 有三个不同参数版本，分别为 70 亿、130 亿和 330 亿参数，能力和表现随着参数规模的增大而提升。此外，智源研究院还开源了一个包含训练和验证样本的数据集，用于深入研究大语言模型裁判。JudgeLM 的评判效率高，成本低于基于 API 的评判方法。