{"id":12956,"date":"2026-10-24T09:02:55","date_gmt":"2026-10-24T02:02:55","guid":{"rendered":"https:\/\/blogdee.com\/?p=12956"},"modified":"2026-10-24T09:02:55","modified_gmt":"2026-10-24T02:02:55","slug":"%e0%b8%95%e0%b8%a3%e0%b8%a7%e0%b8%88%e0%b8%aa%e0%b8%ad%e0%b8%9a%e0%b9%81%e0%b8%a5%e0%b8%b0%e0%b9%81%e0%b8%81%e0%b9%89%e0%b9%84%e0%b8%82%e0%b8%82%e0%b9%89%e0%b8%ad%e0%b8%9c%e0%b8%b4%e0%b8%94%e0%b8%9e","status":"publish","type":"post","link":"https:\/\/blogdee.com\/?p=12956","title":{"rendered":"\u0e15\u0e23\u0e27\u0e08\u0e2a\u0e2d\u0e1a\u0e41\u0e25\u0e30\u0e41\u0e01\u0e49\u0e44\u0e02\u0e02\u0e49\u0e2d\u0e1c\u0e34\u0e14\u0e1e\u0e25\u0e32\u0e14 LLM-as-Judge \u0e43\u0e19\u0e44\u0e1b\u0e1b\u0e4c\u0e44\u0e25\u0e19\u0e4c Text-to-SQL \u0e08\u0e23\u0e34\u0e07"},"content":{"rendered":"<p>\u0e01\u0e32\u0e23\u0e28\u0e36\u0e01\u0e29\u0e32\u0e08\u0e32\u0e01 arXiv:2609.30290 \u0e40\u0e1b\u0e34\u0e14\u0e40\u0e1c\u0e22\u0e27\u0e48\u0e32\u0e44\u0e1b\u0e1b\u0e4c\u0e44\u0e25\u0e19\u0e4c Text-to-SQL \u0e41\u0e1a\u0e1a production \u0e21\u0e31\u0e01\u0e43\u0e0a\u0e49 LLM-as-judge \u0e42\u0e14\u0e22\u0e44\u0e21\u0e48\u0e44\u0e14\u0e49\u0e27\u0e31\u0e14\u0e04\u0e27\u0e32\u0e21\u0e2a\u0e2d\u0e14\u0e04\u0e25\u0e49\u0e2d\u0e07\u0e01\u0e31\u0e1a\u0e1c\u0e39\u0e49\u0e41\u0e1b\u0e25\u0e07\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e21\u0e19\u0e38\u0e29\u0e22\u0e4c \u0e08\u0e19\u0e1e\u0e1a\u0e27\u0e48\u0e32 gpt-4o-mini \u0e17\u0e35\u0e48\u0e1b\u0e23\u0e31\u0e1a\u0e43\u0e0a\u0e49\u0e2d\u0e22\u0e39\u0e48 \u0e15\u0e23\u0e07\u0e01\u0e31\u0e1a\u0e21\u0e32\u0e15\u0e23\u0e10\u0e32\u0e19\u0e17\u0e2d\u0e07\u0e04\u0e33\u0e02\u0e2d\u0e07\u0e1c\u0e39\u0e49\u0e40\u0e02\u0e35\u0e22\u0e19\u0e2a\u0e2d\u0e07\u0e04\u0e19\u0e44\u0e14\u0e49\u0e40\u0e1e\u0e35\u0e22\u0e07 Cohen&#8217;s kappa = 0.04 \u0e1a\u0e19\u0e0a\u0e38\u0e14\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e17\u0e35\u0e48\u0e40\u0e19\u0e49\u0e19\u0e02\u0e49\u0e2d\u0e02\u0e31\u0e14\u0e41\u0e22\u0e49\u0e07 \u0e41\u0e25\u0e30 0.42 \u0e1a\u0e19\u0e01\u0e32\u0e23\u0e15\u0e23\u0e27\u0e08\u0e2a\u0e38\u0e48\u0e21\u0e41\u0e1a\u0e1a\u0e1b\u0e01\u0e15\u0e34 \u0e42\u0e14\u0e22\u0e40\u0e01\u0e34\u0e19\u0e23\u0e49\u0e2d\u0e22\u0e25\u0e30 77.1 \u0e02\u0e2d\u0e07\u0e01\u0e23\u0e13\u0e35\u0e17\u0e35\u0e48\u0e21\u0e19\u0e38\u0e29\u0e22\u0e4c\u0e15\u0e31\u0e14\u0e2a\u0e34\u0e19\u0e27\u0e48\u0e32 FAITHFUL<\/p>\n<p>\u0e2a\u0e32\u0e40\u0e2b\u0e15\u0e38\u0e2b\u0e25\u0e31\u0e01\u0e04\u0e37\u0e2d\u0e01\u0e25\u0e44\u0e01\u0e17\u0e35\u0e48\u0e40\u0e23\u0e35\u0e22\u0e01\u0e27\u0e48\u0e32 GRADE-HALLUCINATION \u0e01\u0e32\u0e23\u0e40\u0e1b\u0e25\u0e35\u0e48\u0e22\u0e19\u0e21\u0e32\u0e43\u0e0a\u0e49 Qwen3.6-27B \u0e41\u0e1a\u0e1a self-hosted \u0e43\u0e2b\u0e49 kappa = 0.72 \u0e43\u0e01\u0e25\u0e49\u0e40\u0e04\u0e35\u0e22\u0e07 Claude Opus 4.7 \u0e17\u0e35\u0e48 0.71 \u0e41\u0e15\u0e48\u0e15\u0e49\u0e19\u0e17\u0e38\u0e19\u0e15\u0e48\u0e2d\u0e01\u0e32\u0e23\u0e40\u0e23\u0e35\u0e22\u0e01\u0e15\u0e48\u0e33\u0e01\u0e27\u0e48\u0e32\u0e1b\u0e23\u0e30\u0e21\u0e32\u0e13 1\/300 \u0e01\u0e32\u0e23\u0e23\u0e27\u0e21\u0e42\u0e21\u0e40\u0e14\u0e25\u0e44\u0e21\u0e48\u0e0a\u0e48\u0e27\u0e22\u0e1f\u0e23\u0e35: \u0e01\u0e32\u0e23\u0e08\u0e31\u0e1a\u0e04\u0e39\u0e48 judge \u0e2d\u0e48\u0e2d\u0e19\u0e01\u0e31\u0e1a judge \u0e41\u0e02\u0e47\u0e07\u0e17\u0e33\u0e43\u0e2b\u0e49\u0e04\u0e27\u0e32\u0e21\u0e2a\u0e2d\u0e14\u0e04\u0e25\u0e49\u0e2d\u0e07\u0e25\u0e14\u0e25\u0e07 \u0e43\u0e19\u0e02\u0e13\u0e30\u0e17\u0e35\u0e48 judge \u0e41\u0e02\u0e47\u0e07\u0e2a\u0e32\u0e21\u0e15\u0e31\u0e27\u0e20\u0e32\u0e22\u0e43\u0e15\u0e49\u0e01\u0e0e unanimous routing \u0e43\u0e2b\u0e49 kappa = 0.79 \u0e17\u0e35\u0e48\u0e04\u0e23\u0e2d\u0e1a\u0e04\u0e25\u0e38\u0e21\u0e2d\u0e31\u0e15\u0e42\u0e19\u0e21\u0e31\u0e15\u0e34 89.7%<\/p>\n<p>\u0e19\u0e33\u0e2a\u0e39\u0e15\u0e23\u0e15\u0e23\u0e27\u0e08\u0e2a\u0e2d\u0e1a\u0e40\u0e14\u0e35\u0e22\u0e27\u0e01\u0e31\u0e19\u0e44\u0e1b\u0e43\u0e0a\u0e49\u0e01\u0e31\u0e1a\u0e42\u0e14\u0e40\u0e21\u0e19 BIRD-financial \u0e41\u0e1a\u0e1a out-of-domain \u0e1e\u0e1a\u0e27\u0e48\u0e32\u0e2a\u0e32\u0e21\u0e32\u0e23\u0e16\u0e08\u0e31\u0e1a\u0e1b\u0e31\u0e0d\u0e2b\u0e32\u0e17\u0e35\u0e48\u0e40\u0e1b\u0e47\u0e19\u0e44\u0e1b\u0e44\u0e14\u0e49\u0e43\u0e19 gold SQL \u0e17\u0e35\u0e48\u0e1c\u0e39\u0e49\u0e40\u0e0a\u0e35\u0e48\u0e22\u0e27\u0e0a\u0e32\u0e0d\u0e40\u0e02\u0e35\u0e22\u0e19\u0e44\u0e14\u0e49 25.5% \u0e20\u0e32\u0e22\u0e43\u0e15\u0e49\u0e42\u0e1b\u0e23\u0e42\u0e15\u0e04\u0e2d\u0e25\u0e01\u0e32\u0e23\u0e41\u0e1b\u0e25\u0e07\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e40\u0e14\u0e35\u0e22\u0e27\u0e01\u0e31\u0e19 \u0e42\u0e04\u0e49\u0e14\u0e41\u0e25\u0e30\u0e01\u0e32\u0e23\u0e25\u0e07\u0e17\u0e30\u0e40\u0e1a\u0e35\u0e22\u0e19\u0e25\u0e48\u0e27\u0e07\u0e2b\u0e19\u0e49\u0e32\u0e1b\u0e23\u0e30\u0e01\u0e32\u0e28\u0e40\u0e1c\u0e22\u0e41\u0e1e\u0e23\u0e48\u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e01\u0e31\u0e19<\/p>\n<h2>\u0e1b\u0e23\u0e30\u0e27\u0e31\u0e15\u0e34\u0e01\u0e32\u0e23\u0e2a\u0e48\u0e07\u0e1a\u0e17\u0e04\u0e27\u0e32\u0e21<\/h2>\n<p>\u0e2a\u0e48\u0e07\u0e04\u0e23\u0e31\u0e49\u0e07\u0e41\u0e23\u0e01\u0e40\u0e21\u0e37\u0e48\u0e2d 9 \u0e01\u0e31\u0e19\u0e22\u0e32\u0e22\u0e19 2569 \u0e40\u0e27\u0e25\u0e32 20:17 \u0e19. UTC \u0e42\u0e14\u0e22 Haowei Liu \u0e02\u0e19\u0e32\u0e14\u0e44\u0e1f\u0e25\u0e4c 111 KB<\/p>\n<h3>\u0e28\u0e31\u0e1e\u0e17\u0e4c\u0e17\u0e35\u0e48\u0e04\u0e27\u0e23\u0e23\u0e39\u0e49<\/h3>\n<ul>\n<li>LLM-as-Judge &#8211; \u0e27\u0e34\u0e18\u0e35\u0e43\u0e0a\u0e49\u0e42\u0e21\u0e40\u0e14\u0e25\u0e20\u0e32\u0e29\u0e32\u0e02\u0e19\u0e32\u0e14\u0e43\u0e2b\u0e0d\u0e48\u0e40\u0e1b\u0e47\u0e19\u0e1c\u0e39\u0e49\u0e15\u0e31\u0e14\u0e2a\u0e34\u0e19\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e\u0e1c\u0e25\u0e25\u0e31\u0e1e\u0e18\u0e4c\u0e41\u0e17\u0e19\u0e21\u0e19\u0e38\u0e29\u0e22\u0e4c<\/li>\n<li>Text-to-SQL &#8211; \u0e40\u0e17\u0e04\u0e19\u0e34\u0e04\u0e41\u0e1b\u0e25\u0e07\u0e04\u0e33\u0e16\u0e32\u0e21\u0e20\u0e32\u0e29\u0e32\u0e18\u0e23\u0e23\u0e21\u0e0a\u0e32\u0e15\u0e34\u0e40\u0e1b\u0e47\u0e19\u0e04\u0e33\u0e2a\u0e31\u0e48\u0e07 SQL \u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e10\u0e32\u0e19\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25<\/li>\n<li>Cohen&#8217;s kappa &#8211; \u0e15\u0e31\u0e27\u0e40\u0e25\u0e02\u0e2a\u0e16\u0e34\u0e15\u0e34\u0e27\u0e31\u0e14\u0e04\u0e27\u0e32\u0e21\u0e40\u0e2b\u0e47\u0e19\u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e01\u0e31\u0e19\u0e23\u0e30\u0e2b\u0e27\u0e48\u0e32\u0e07\u0e1c\u0e39\u0e49\u0e15\u0e31\u0e14\u0e2a\u0e34\u0e19\u0e2a\u0e2d\u0e07\u0e1d\u0e48\u0e32\u0e22 \u0e42\u0e14\u0e22\u0e04\u0e33\u0e19\u0e36\u0e07\u0e16\u0e36\u0e07\u0e42\u0e2d\u0e01\u0e32\u0e2a\u0e2a\u0e38\u0e48\u0e21<\/li>\n<li>GRADE-HALLUCINATION &#8211; \u0e01\u0e25\u0e44\u0e01\u0e02\u0e49\u0e2d\u0e1c\u0e34\u0e14\u0e1e\u0e25\u0e32\u0e14\u0e17\u0e35\u0e48 judge \u0e2a\u0e23\u0e49\u0e32\u0e07\u0e40\u0e2b\u0e15\u0e38\u0e1c\u0e25\u0e1b\u0e25\u0e2d\u0e21\u0e40\u0e1e\u0e37\u0e48\u0e2d\u0e43\u0e2b\u0e49\u0e04\u0e30\u0e41\u0e19\u0e19\u0e1c\u0e34\u0e14\u0e1e\u0e25\u0e32\u0e14<\/li>\n<li>BIRD-financial &#8211; \u0e0a\u0e38\u0e14\u0e02\u0e49\u0e2d\u0e21\u0e39\u0e25\u0e21\u0e32\u0e15\u0e23\u0e10\u0e32\u0e19\u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e17\u0e14\u0e2a\u0e2d\u0e1a Text-to-SQL \u0e43\u0e19\u0e42\u0e14\u0e40\u0e21\u0e19\u0e01\u0e32\u0e23\u0e40\u0e07\u0e34\u0e19<\/li>\n<li>Qwen3.6-27B &#8211; \u0e42\u0e21\u0e40\u0e14\u0e25\u0e20\u0e32\u0e29\u0e32\u0e02\u0e19\u0e32\u0e14 27 \u0e1e\u0e32\u0e23\u0e32\u0e21\u0e34\u0e40\u0e15\u0e2d\u0e23\u0e4c\u0e02\u0e2d\u0e07 Alibaba \u0e17\u0e35\u0e48\u0e23\u0e31\u0e19\u0e1a\u0e19\u0e40\u0e0b\u0e34\u0e23\u0e4c\u0e1f\u0e40\u0e27\u0e2d\u0e23\u0e4c\u0e15\u0e31\u0e27\u0e40\u0e2d\u0e07\u0e44\u0e14\u0e49<\/li>\n<\/ul>\n<p>\u0e17\u0e35\u0e48\u0e21\u0e32: <a href=\"https:\/\/arxiv.org\/abs\/2609.30290\">arxiv.org<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0e19\u0e31\u0e01\u0e27\u0e34\u0e08\u0e31\u0e22\u0e1e\u0e1a\u0e27\u0e48\u0e32 LLM \u0e17\u0e35\u0e48\u0e43\u0e0a\u0e49\u0e15\u0e31\u0e14\u0e2a\u0e34\u0e19\u0e04\u0e38\u0e13\u0e20\u0e32\u0e1e SQL \u0e43\u0e19\u0e23\u0e30\u0e1a\u0e1a\u0e08\u0e23\u0e34\u0e07\u0e15\u0e48\u0e32\u0e07\u0e01\u0e31\u0e1a\u0e21\u0e19\u0e38\u0e29\u0e22\u0e4c\u0e21\u0e32\u0e01 \u0e08\u0e19\u0e15\u0e49\u0e2d\u0e07\u0e40\u0e1b\u0e25\u0e35\u0e48\u0e22\u0e19\u0e21\u0e32\u0e43\u0e0a\u0e49\u0e42\u0e21\u0e40\u0e14\u0e25 Qwen3.6-27B \u0e17\u0e35\u0e48\u0e16\u0e39\u0e01\u0e01\u0e27\u0e48\u0e32\u0e41\u0e25\u0e30\u0e41\u0e21\u0e48\u0e19\u0e22\u0e33\u0e01\u0e27\u0e48\u0e32<\/p>\n","protected":false},"author":1,"featured_media":12955,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5021],"tags":[5191,88,986,5190],"class_list":["post-12956","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-machine-learning-th","tag-evaluation","tag-llm","tag-qwen","tag-text-to-sql"],"_links":{"self":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts\/12956","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12956"}],"version-history":[{"count":0,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/posts\/12956\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=\/wp\/v2\/media\/12955"}],"wp:attachment":[{"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12956"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12956"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogdee.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12956"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}