# LLM-as-Judge集成评判

Meta把大模型生成的即时测试（JiTTests）从研究原型推进到生产基础设施，在代码合入前自动生成会失败的测试来暴露行为差异。系统用“可疑改动”和“意图感知”两条流程生成候选测试，再由多模型评审团与规则判定器排序，工程师只在聚合层面介入。上线五个月内589名工程师参与，报告真阳性率60%；2026年上半年在合入前捕获74个严重隐私缺陷，同期隐私严重缺陷总体下降20%。

Meta把大模型生成的即时测试（JiTTests）从研究原型推进到生产基础设施，在代码合入前自动生成会失败的测试来暴露行为差异。系统用“可疑改动”和“意图感知”两条流程生成候选测试，再由多模型评审团与规则判定器排序，工程师只在聚合层面介入。上线五个月内589名工程师参与，报告真阳性率60%；2026年上半年在合入前捕获74个严重隐私缺陷，同期隐私严重缺陷总体下降20%。