操作流程

把不同大语言模型（LLM）针对同一问题输出的答案，作为输入内容提交给 GPT - 4 ，然后借助 GPT - 4 的语言理解和分析能力，对这些答案从质量、合理性、完整性等维度进行优劣排序，以此判断不同 LLM 回答的好坏。

优点 “可自动化”

无需人工逐一对比、评判不同 LLM 的答案，能借助 GPT - 4 自动完成对多组答案的评估排序流程，节省人力与时间成本，适合大规模、高频次的 LLM 答案评估场景，比如在对多个 LLM 进行批量测试、对比性能时，可快速得到不同模型答案的相对优劣结果 。

缺点 “对于事实性问题判断不准”

事实性问题有明确、客观的答案（像历史事件发生时间、科学定理内容等 ），但 GPT - 4 本身基于训练数据生成输出，其训练数据可能存在过时、错误，或在处理事实性内容时，受模型推理逻辑等影响，难以精准判别答案是否完全符合客观事实，会导致对涉及事实类问题的 LLM 答案排序出现偏差，无法可靠区分事实性内容的对错优劣 。

这种评价方式有一定应用价值，但因事实性判断短板，使用时要结合场景，对于非事实性、侧重语言表达和逻辑的内容评价较合适，涉及事实类则需辅助人工核查等手段。