TongSIM：智能机器仿真通用平台

KIMI K2.5：视觉智体智能

LLM-as-a-Judge：把大模型评估变成一门工程能力

LLM-as-a-Judge（简称 LLM Judge）是一种评估范式：让一个能力更强或独立配置的大模型，充当“裁判”，去评估另一个模型的输出质量。它的目标不是替代人工，而是在可控成本下，逼近人工判断。自 GPT-4 之后，研究和实践都发现：强模型在很多开放任务上的评估结果，与人类偏好高度相关。在一些任务上，一致率可以达到 85%-95%。这使得 LLM-as-a-Judge 从研究实验，迅速进入