大型语言模型（LLM）正被广泛用作聊天机器人回复的自动评审工具。商业模型虽然能与人工标注者保持高度一致，但成本高且部署困难。相对轻量的开源LLM评审者成本低，却常出现与人工评分不一致的情况。本文探讨软提示调优能否使开源评审者更贴合人类标注策略。我们在 FairBotBench 基准上训练软提示，并在偏见、毒性和个性化三个维度上评估调优后的评审者。实验表明，混合软提示调优——将文本提示与学习得到的连续嵌入结合——能够持续提升与人工标注的一致性，优于未调优的基线。以 Qwen 3.5 9B 为例，调优后的评审者在所有评估维度上均超越了托管的参考评审模型。\n\n点评：软提示调优为提升开源LLM评审质量提供了高效路径，尤其在资源受限的实际部署场景中具有重要意义。