# 评判者间一致性

企业客服技能执行有了500个真实工单场景的零样本评测，17个模型由五个评委独立打分，GPT-5.4在每个评委下都排第一，而评委之间的通过判定只有中等一致。

企业客服技能执行有了500个真实工单场景的零样本评测，17个模型由五个评委独立打分，GPT-5.4在每个评委下都排第一，而评委之间的通过判定只有中等一致。