["智源研究院开源了 JudgeLM 裁判模型，可高效评测各类大模型并输出评分","JudgeLM 与 GPT-4 相比，成本仅为 1/120，评判结果一致性达到 90% 以上","JudgeLM 可应用于纯文本、多模态等多种评判场景，并输出评分和阐述理由","JudgeLM 与参考答案的一致性最高超过了 90%，接近人类表现","智源研究院开源了训练和验证样本的数据集，用于深入研究大语言模型裁判"]