異種ベンダーで"審査の甘さ"は潰せるか — LLMの自己選好を本気で測った話

LLMの「自己選好」バイアス、すなわち自分と同じ系列のモデルが生成した回答を甘く採点しやすい問題に着目。異種ベンダーのAIを審査に用いることで、このバイアスを軽減し、より客観的な評価が可能になるか検証した実験結果を報告する。