LLM 裁判二值化评判会压平分数空间

LLM 裁判若将奖励压缩为通过/未通过（{0, 1}）会压平分数空间，导致模型策略在不改变判定结果的前提下产生尺度仿射拉伸漏洞。在 MATH 与 SciBench 测试中，14 种尺度拉伸在二值化下完全隐形，而采用三档评分（{0, 0.5, 1}）在 n=1,024 时能以至少 96.5% 的功效检出异常并消除该歧义。