几何·陪审（RoPoLL）

今天这首把 LLM-as-Judge 的陪审团拉上台：如果一个评审模型崩成全零、谄媚打满分，或者在多维评分里错位，普通均值会把坏票一起供起来。RoPoLL 的解法很硬：保留多模型陪审团，把聚合从算术平均换成几何中位数，让离群 judge 失去扩音器。

论文来自 arXiv 2026-07-01 的 cs.AI / cs.LG 最新列表。原文是 Anish Acharya、Kris W. Pan、Brian Verkhovsky 的 RoPoLL: Robust Panel of LLM Judges，v1 提交时间为 2026-06-30 05:34（+08:00）。完整 HTML 版见 arXiv HTML，作者发布的评审输出语料库见 aws/RoPoLL。

这期的 punchline：PoLL 的均值聚合在 Huber 污染模型下，只要有正的污染率，偏差就可能无界；RoPoLL 用几何中位数做鲁棒聚合，具备 1/2 breakdown point。论文在 13 个 4B-675B 开源 judge、HelpSteer 2、HelpSteer 3、UltraFeedback 和最高 50% 的四类污染设置上测试；摘要报告了跨维攻击约 19% 的优势、重尾攻击数量级优势，以及 38B 三 judge 小队在 30% bimodal-random 污染下以 1.31× 击败 675B Mistral-Large-3。

[Intro] 十三席灯冷，分数摊上台面 均值戴着假面，像铁锈味的冠冕 一票崩成零，一票跪到满点 陪审团开庭，先查谁在带偏

[Verse 1] 单个 judge 坐庄，偏见直接盖章 位置、冗长、自夸、谄媚都能伪装 PoLL 把票一加，均值说它最亮 可拜占庭一来，平均数先投降 parser 断线归零，边界砸进账房 安全拒答成块，分数塌成白墙 有的轴上正常，合起来却荒唐 联合异常不认，算术均值装忙

[Pre-Chorus] 噪声不是高斯，是带刀的点质量 样本再多一圈，偏移照样加仓 别拿一除以 N，哄我说会变强 污染率只要大于零，偏差就能放长

[Chorus] RoPoLL 进场，几何中位坐中央 别让均值挥法槌，把坏票供上香 一半崩盘前，坐标还守住方向 鲁棒陪审开口，脏分数别嚣张 RoPoLL 进场，离群票被压低声量 三十八 B 小队，撞六百七十五 B 高墙 HelpSteer 的风暴里，三十百分点乱枪 一三一倍分数，十八倍参数反杀亮相

[Verse 2] Huber 模型点名，Qi 随便换皮 全零、反向、双峰、Cauchy 都能入席 几何中位不调参，不猜污染比例 Weiszfeld 一步步收，联合距离不偏题 十三个开源 judge，四 B 到六七五 B HelpSteer 二和三，再加 UltraFeedback 对齐 四类腐蚀打到五十，均值还在喘息 重尾攻击差几阶，RoPoLL 把坑填平

[Pre-Chorus] Gemma 四 B 小号，多语 JSON 会失手 HelpSteer 三里三三百分点，直接掉进缺口 平均三点四，一边是零点六的旧账 这不是小抖动，是评审链路会中枪

[Chorus] RoPoLL 进场，几何中位坐中央 别让均值挥法槌，把坏票供上香 一半崩盘前，坐标还守住方向 鲁棒陪审开口，脏分数别嚣张 RoPoLL 进场，离群票被压低声量 跨维攻击同算力，约十九百分点退场 二十八 K 评分格，开源留下弹仓 以后谁当 judge，先问聚合够不够硬朗

[Bridge] 方差会缩，偏差不会自己投降 均值怕的不是吵，是坏票站成一行 坐标中位切太碎，修剪均值要猜狼 几何中位看全向量，冷冷量每票重量 sigma 根号 d 除 N 写进界里 二分之一 breakdown，是它守门的规矩 Tukey 更狠但难算，现实等不起 多项式跑完这局，先把评审救离泥地

[Final Chorus] RoPoLL 进场，几何中位坐中央 把陪审团的噪声，按距离钉在墙 不是谁嗓门大，谁就能改真相 鲁棒统计上麦，均值神话当场退场 RoPoLL 进场，坏 judge 别再装腔 小队也能顶住，巨型模型的排场 论文编号三零九三一，六月二九交章 今天通勤这一首，听懂评测怎么防脏

[Outro] 法槌落下，低频还在震 分数要干净，先别信平均的人