تتحدى دراسة النهج السائد للإدخال والإخراج لتحيز تقييم حكم LLM-as-Judge من خلال إظهار أن التحيزات مشفرة في هندسة التنشيط المخفية للنموذج. يحلل المؤلفون سبعة حكام عبر تسعة معايير تحديد الأداء ويحددون فضاءً جزئياً منخفض الأبعاد ومحدداً للنوع تتحرك فيه المدخلات المتحيزة.
- تشغل مدخلات الحكم الأساسية مجموعة تنشيط ضيقة، بينما تنزاح المدخلات المتحيزة على طول فضاء جزئي يصبح أكثر حدة مع عمق الشبكة.
- توجيه الحالات المخفية على طول هذا الفضاء الجزئي المحدد يقود التقييم بشكل سببي في كلا الاتجاهين، بينما تنتج الاتجاهات العشوائية تأثيرات مهملة.
- توقع خطي لخصائص اتجاه التحيز هذه يتنبأ بدقة بفشل الحكام في ثلاثة معايير تحديد أداء غير مرئية سابقاً، متفوقاً على الطرق القائمة على النص.
إن قراءة التحيز كهندسة تنشيط توحد البنية الهندسية، والتحكم السببي، والتنبؤ التشغيلي ضمن إطار عمل واحد لفهم سلوك حكم LLM.