LLM引用検証能力を評価、GPT-5-miniなど8モデル比較
arXiv cs.CLは7月9日(現地時間)、深層研究システムにおける大規模言語モデル（LLM）記述の主張に対する引用品質検証に焦点を当てた論文「Do You Need a Frontier Model as a Citation Verifier? Benchmarking Rubric LLMs for Deep-Research Source Attribution」を発表しました。本研究は、強化学習の報酬モデルとして機能するLLMジャッジの能力とバイアスを評価しています。