🏷️ LLM-as-a-judge

AWS详解LLM-as-a-judge奖励函数设计：布尔评分比1-10量表更可靠

AWS发布LLM-as-a-judge奖励函数设计指南，对比两种评估模式（布尔评分vs偏好评分），指出布尔评分更可靠。生产级RFT系统每次训练步处理数千次奖励评估，需配合确定性奖励组件。