arXiv· Ethan Ludwick·· 10 天前推荐指数55
SANE：面向 LLM 评审器的自动化评分器专属蜕变测试框架
SANE: Automated Scorer-Specific Metamorphic Testing for LLM Judges
AI 导读
作者提出 SANE，一个基于 Agent 的框架，把随机评估器的行为要求编码为可复用的 Agent 指令，根据评分器规格、实现和代表性输入自动识别评分器专属能力，并推导扰动配方与预期分数关系。
来源：arXiv · arxiv.org