大语言模型已具备自我评估能力：SEE方法仅需160个样本即可激发潜在评判校准能力

核心观点：研究发现基础大语言模型已具备预测外部评判者评分的潜在自我评估能力，无需专门训练。提出的Self-Evaluation Elicitation(SEE)方法仅需160个样本即可激发该能力，数据效率比传统强化学习方法高出31倍。该能力可迁移且保持答案质量，对模型优化与部署具有重要意义。

随着大语言模型(LLM)能力提升，评估输出质量成为关键挑战。当前常用'模型评判模型'方式，但核心问题是：模型能否预测评判者对自身输出的评分？研究发现，这种自我评估能力早已存在于基础模型中，只需恰当方法激发，且少样本提示即可让模型预测外部评判者评分的准确率显著高于随机水平。

SEE方法为两阶段训练框架：

第一阶段：校准耦合强化学习

同时优化两个目标——提升答案质量，训练模型预测评判者评分，通过'校准耦合'让模型生成好答案的同时准确预判评分。

第二阶段：掩码蒸馏

在保持答案生成部分不变的情况下，专门优化评分预测部分，确保答案质量不退化的同时提升自我评估能力。

SEE方法数据效率极高：仅需160个独特样本，即可在三个基准测试上实现显著校准提升；相比之下，传统强化学习基线方法需约5000个样本才能达到类似效果，数据效率提升约31倍。这意味着资源有限的团队也能训练出具备良好自我评估能力的模型，降低数据标注成本。

研究揭示三点重要发现：

1. 局部化特性：自我评估能力高度局部化于模型自身词元分布，基于生成文本内在特征评估，不依赖外部规则；
2. 跨评判者稳定性：在未训练过的评判者面前依然稳定，学到的是普适'质量感知'而非特定评判者偏好；
3. 答案质量保持：训练过程中答案生成质量未下降，解决了评估能力提升与生成质量下降的两难问题。

理论层面

重新定义模型自我评估问题本质：从'获取'转变为'激发'，提示LLM可能隐藏更多待解锁的潜在能力。

实践层面

1. 降低部署成本：用于在线质量监控，减少对昂贵外部评判API的依赖；
2. 提升推理效率：模型生成时自我筛选低质量内容；
3. 增强可解释性：自我评估分数提供内在质量指标；
4. 促进模型迭代：自动筛选高质量训练数据，形成良性循环。

当前研究局限：实验主要基于特定开放式问答任务，在代码生成、数学推理等领域效果待验证。未来方向：进一步提升自我评估绝对准确度，扩展到多模态场景。

本研究揭示大语言模型已具备潜在自我评估能力，SEE方法以简洁两阶段设计和极高数据效率（160样本）成功激发该能力。这种内在质量感知能力将在模型优化、部署监控和自动迭代中发挥越来越重要的作用。