# Einfache Prompts machen KI-Bewerter zuverlässiger

> Forschende zeigen, wie Sprachmodelle ihre Verzerrungen mit einfachen Prompts verringern können – ganz ohne zusätzliches Training.

Oossa · 2026-10-20 · https://oossa.com/de/self-debiasing-prompts-boost-llm-judges-reliability

Ein Team unter der Leitung von Y. Yin veröffentlichte am 20. Okt. 2026 eine Studie, der zufolge sich große Sprachmodelle selbst von Verzerrungen befreien können. Die Forschenden testeten zwei Ansätze: einen Prompt, der das Modell vor der Bewertung auf mögliche Verzerrungen hinweist, und einen Folge-Prompt, mit dem es seine eigene Antwort auf solche Verzerrungen prüfen soll. Bei drei hochmodernen Modellen verbesserte der Prompt zur Selbstkorrektur die Ergebnisse in 20 von 21 Kombinationen aus Modell und Verzerrungsart – teilweise um bis zu 15 Punkte. Die zuvor verwendete Methode mit einem externen Kritiker schnitt bei den neuen Verzerrungstests schlechter ab.

## Die Fakten

- Studie veröffentlicht am 20. Okt. 2026 ("Tue Oct 20 2026 06:00:00 GMT+0200")
- Selbstkorrektur verbesserte die Ergebnisse in 20 von 21 Kombinationen aus Modell und Verzerrungsart, um bis zu 15 Prozentpunkte

## Warum es wichtig ist

Prompts zur Selbstkorrektur könnten automatisierte KI-Bewertungen für Entwickler und Forschende verlässlicher machen.

## Quellen und Referenzen

1. [The Judge Can Debias Itself: Awareness and Self-Debiasing for Reliable LLM-as-a-Judge](https://arxiv.org/abs/2610.24320) – arXiv, 2026-10-20

Zuletzt aktualisiert: 2026-10-20