RoPoLL：LLM裁判的鲁棒小组

LLM 评审团是由 LLM 评估员 (PoLL) 组成的报告共识分数的小组，已成为单一法官 LLM 评估的实用替代方案，但其统计行为仍然知之甚少。我们在 Huber 污染模型下将 LLM 陪审团形式化，并表明，无论陪审团规模如何，只要单个法官以有偏见的、LLM 典型的方式（模式崩溃、阿谀奉承、安全拒绝）失败，PoLL 在任何积极污染下都会产生无限的偏见。将陪审团共识框架为经典的稳健均值估计，我们提出了 RoPoLL（大语言模型作为法官的稳健面板），它保留了 PoLL 面板，但用稳健的均值估计器替换了聚合函数，并用几何中值（GM）实例化：无需调整，最佳有限样本分解点为 1/2。有限样本误差界和匹配的信息论极小极大下界在参数率 sigma*sqrt(d/N) 上一致，但在分解下限上存在 sqrt(d) 因子的差异，这是多项式时间 RoPoLL 相对于棘手的 Tukey 半空间中值所付出的统计计算差距。在 13 个开放权重法官 (4B-675B)、三个奖励模型基准和四个高达 50% 的腐败制度中，RoPoLL 在每种有偏见的腐败类型上都优于 PoLL：在匹配计算的跨维度攻击上占主导地位约 19%，在重尾拜占庭对手上占主导地位。由 3 名法官组成的 RoPoLL 委员会在 30% 双峰随机损坏的情况下，在 HelpSteer-2 上以 38B 击败 Mistral-Large-3 (675B) 1.31 倍，在更高的准确度下具有 18 倍的参数优势； Noisy-GT 控制确认溢价是针对有偏差的污染而不是良性的不精确而支付的。