# खुद को पूर्वाग्रह से बचाने वाले प्रॉम्प्ट से LLM जज अधिक भरोसेमंद

> शोधकर्ताओं ने दिखाया कि साधारण प्रॉम्प्ट बिना अतिरिक्त प्रशिक्षण के भाषा-मॉडल जजों का पूर्वाग्रह घटा सकते हैं।

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

Y. Yin के नेतृत्व वाली एक टीम ने 20 Oct, 2026 को एक शोधपत्र प्रकाशित किया। इसमें दिखाया गया कि बड़े भाषा मॉडल जज खुद को पूर्वाग्रह से बचा सकते हैं। टीम ने दो तरीके आज़माए: एक प्रॉम्प्ट, जो फैसले से पहले मॉडल को संभावित पूर्वाग्रह के बारे में आगाह करता है; और एक अनुवर्ती प्रॉम्प्ट, जो मॉडल से अपने जवाब में पूर्वाग्रह की समीक्षा करने को कहता है। अत्याधुनिक तीन मॉडलों पर किए गए परीक्षणों में, खुद को पूर्वाग्रह से बचाने वाले प्रॉम्प्ट ने मॉडल और पूर्वाग्रह के 21 संयोजनों में से 20 में नतीजे बेहतर किए—कुछ मामलों में 15 अंक तक। बाहरी समीक्षक का पुराना तरीका नए पूर्वाग्रह परीक्षणों में कम प्रभावी रहा।

## तथ्य

- शोधपत्र 20 Oct, 2026 को प्रकाशित हुआ ("Tue Oct 20 2026 06:00:00 GMT+0200")
- खुद को पूर्वाग्रह से बचाने के तरीके ने मॉडल और पूर्वाग्रह के 21 संयोजनों में से 20 में सुधार किया; बढ़त 15 प्रतिशत अंक तक रही

## यह क्यों मायने रखता है

प्रॉम्प्ट के ज़रिए खुद को पूर्वाग्रह से बचाने की क्षमता डेवलपरों और शोधकर्ताओं के लिए स्वचालित AI मूल्यांकनों को अधिक भरोसेमंद बना सकती है।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-20