系统说一切正常，客户却在骂，问题出在裁判身上！现成 AI 裁判全是糊涂蛋？Agenta 联创用 GEPA 把评分对齐人类，准确率从 61% 往上

Agenta 联合创始人 Mahmoud Mabrouk 在演讲里直指：生产环境里现成的 LLM 评估器经常和人类判断对不上，客户在骂、系统却显示一切正常。

完整的大白话解读、专业细节和短视频口播稿，打开巨象雷达登录后查看。

原文：Judge the Judge: Building LLM Evaluators That Actually Work with GEPA — Mahmoud Mabrouk, Agenta AI | 构建真正有效的LLM评估器：从校准到优化 —— 使用GEPA算法实战指南