LLM評価パネルにおける相関誤差が信頼性を損なう：9人の判事、実効投票は2票のみ

Apple Machine Learningチームは、複数の大規模言語モデル（LLM）で構成される評価パネルの信頼性について調査した。その結果、9つの最先端モデルからなるパネルでも、相関する誤差により実質的な有効投票数は約2票に過ぎないことが判明した。