评估模型（Judge models）是用于评估其他模型输出质量的辅助模型，能够充当“裁判员”的角色，对大语言模型（LLM）的输出结果进行评估和打分。这些模型通过输入问题和待评测模型的回答，自主完成对大语言模型的分析与评价，提供评分和理由。评估模型的主要优势包括准确性、高效性、易用性和低成本。它们可以处理各种类型的评估任务，包括但不限于回复的帮助性、无害性、可靠性和生成文本的综合质量。评估模型的训练方法通常包括微调技术和提示策略，提升其性能和效率。