由於需要人工響應驗證，測試生成式人工智能解決方案可能是一個漫長的過程。越來越多地使用「LLM-as-a-judge」方法來應用大型語言模型。然而，建議在將大型語言模型作為人類代理時要謹慎，因為將大型語言模型作為評判者可能導致自我實現預言類型的情景，從而在評估中強化其固有的偏見。
