تقدم هذه الدراسة حسابًا على مستوى التمثيل لتحيز التقييم في نماذج LLM-as-Judge، محللةً حالات القاضي المخفية بدلاً من الاضطرابات المدخلات-المخرجات فقط. يبلغ المؤلفون عن نتائج عبر سبعة قضاة وسبعة أنواع من التحيز وتسعة معايير تقييم.
- يتم إزاحة المدخلات المتحيزة على طول فضاء جزئي منخفض الأبعاد ومحدد للنوع يصبح أكثر حدة مع العمق، بينما تشغل المدخلات الأساسية متعدد تجاور تنشيط ضيق.
- توجيه الحالات المخفية على طول هذا الفضاء الجزئي يدفع التقييم في كلا الاتجاهين، بينما تنتج الاتجاهات العشوائية إزاحات أصغر بمقدار مرتبة عشرية.
- يتوقع الإسقاط الخطي على ميزات اتجاه التحيز إخفاقات القاضي على ثلاثة معايير تقييم غير مرئية سابقًا، متفوقًا بشكل كبير على البدائل القائمة على النص.
إن قراءة التحيز كهندسة تنشيط توحد البنية الهندسية والتحكم السببي والتنبؤ التشغيلي ضمن إطار عمل واحد.