Who Drifted: the System or the Judge? Anytime-Valid Attribution in LLM Evaluation Pipelines

En 3 lignesMéthode pour distinguer si la dérive d'un score LLM provient du produit ou du juge lui-même. Utilise un ensemble d'ancres étiquetées manuellement et un e-process de paris pour détecter les changements silencieux du modèle juge. Détecte 100% des dérives de juge avec zéro faux positifs sur produit, surpasse le z-test standard.

Résumé généré par Claude — vérifié par l'humain