LangSmith 用人类偏好对齐 LLM-as-a-Judge 评估器

LangChain 发布深度技术文章，介绍如何在 LangSmith 中通过人类偏好对齐来改进 LLM-as-a-Judge 评估器。

核心方法结合了少样本学习与偏好对齐技术，让评估模型在评分时更贴近人工标注的判断标准，减少 LLM 自评时的偏差。

这一方向对依赖 LLM 自动评估的 RAG 和 Agent 工程团队有直接参考价值，可降低人工审查成本并提升评估一致性。