Noodzakelijk maar niet voldoende: temperatuurbeheersing en reproduceerbaarheid bij LLM-as-Judge-veiligheidsevaluaties

De wijdverbreide aanname dat LLM-as-judge-beoordeling bij temperatuur 0 deterministisch is, blijkt niet te kloppen — tests met Japan AISI's open-source aisev-veiligheidsevaluatie tonen fouten op twee niveaus aan.