自我评估已存在：用极少数据激发基础大语言模型中潜在的法官校准能力

大语言模型日益由其他模型评估，本文探讨模型能否预测外部法官对其输出的评分。研究发现，基础模型在未经针对性训练时，经少样本提示即可显著预测多属性质量评分。作者提出自我评估激发（SEE）方法，通过包含校准耦合强化学习与掩码蒸馏的短周期，利用仅 160 个样本（比基线少 31 倍）提升了校准能力并保持回答质量。结果表明，这种自我评估能力是模型固有的，只需激发而非从头获取，体现了可迁移的质量认知。