将评审器编译成程序：PAJAMA实现可扩展的模型评测

论文提出PAJAMA，将LLM评审时的判断逻辑蒸馏为可检查、可编辑的程序委员会，直接评分并对低置信度样本回退到LLM。摘要称其在五个数据集、四类模型上达到13B LLM评审器水平，同时提升路由后的准确率与吞吐量；在RewardBench上，程序蒸馏奖励模型以低两个数量级的API成本超过使用专有LLM标注训练的模型。