判官校准（Judge Calibration）

LLM 判官（LLM-as-Judge）不是一个「装上就可信」的组件。它本身是一个概率系统，会漂移、会有偏见、会被自己的措辞锚定。判官在被信任之前必须先被考核；被信任之后必须被持续抽查。 本文给出一套「先考核再上岗、上岗后持续校准」的操作方法，让判官分数可以作为验收信号，而不是又一个需要人去复核的黑盒。