Studi ini menyajikan penjelasan pada tingkat representasi mengenai bias penilaian dalam model LLM-as-Judge, dengan menganalisis keadaan tersembunyi hakim daripada hanya gangguan input-output. Penulis melaporkan temuan di tujuh hakim, tujuh jenis bias, dan sembilan benchmark.

  • Input yang bias bergeser sepanjang subruang berdimensi rendah spesifik tipe yang semakin tajam seiring kedalaman, sedangkan input baseline menempati manifold aktivasi yang rapat.
  • Mengarahkan keadaan tersembunyi sepanjang subruang ini mendorong penilaian ke kedua arah, sedangkan arah acak menghasilkan pergeseran satu orde magnitudo lebih kecil.
  • Proyeksi linear ke fitur arah bias mengantisipasi kegagalan hakim pada tiga benchmark yang belum terlihat, secara substansial mengungguli alternatif berbasis teks.

Membaca bias sebagai geometri aktivasi menyatukan struktur geometris, kontrol kausal, dan prediksi operasional dalam satu kerangka kerja.