Equal Ranking Quality, Different Decisions: Training Order-Consistent LLM Scorers
排名质量相当，决策却不同：训练顺序一致的大语言模型评分器
机构 * Thomson Reuters Labs（汤姆森路透实验室） ； University of Toronto（多伦多大学） ； Vector Institute（矢量研究所）
AI总结 该研究发现排名质量相当的大语言模型评分器决策存在差异，提出OC-SFT方法减弱顺序依赖性，提升决策稳定性，建议对比研究需报告阈值保留内容和读者回答而非仅排名质量。
Comments 9 pages main text, 45 pages total
