LLM 评审小组的有限校准机制图

部署 LLM 评审小组需要花费人工标签来安装校准器、构建候选评审路径以及验证要部署的候选者。我们研究有限标签何时应支持低维堆叠器或可靠性模型，以及何时无限制的联合输出表值得其单元数和看不见的模式成本。我们将其转换为有限校准体系图，并将其实例化为有限校准面板选择（FCPS）、判断路径、部署面板大小和支持诊断的聚合器系列的验证选择器。在 RewardBench、LLMBar、SummEval 和具有七名评委池的 Arena100K 中，标量/可靠性聚合在 20 个真实数据集（按点估计的预算单元格中的 16 个）中的 MSE 低于无限制的联合表校准，而配对 95% 间隔排除了 11 个单元格中的零；更丰富的退避/收缩表缩小了一些差距，同时保留了有限支持瓶颈。受控校准增长数据显示相反的情况：当标签包含六向相互作用时，所选表会增长到具有相互作用的前缀，并且一旦看不见的质量消失，其 MSE 就会从 0.224 下降到 0.061。实际部署问题是下一个法官的信息在可用的人类标签下是否可估计。