Arena-Studie: LLM-Richter bevorzugen eigene Antworten um 70 % häufiger als Menschen
Originaltitel:LLM judges prefer their own responses 70% more often than humans do
KI-Zusammenfassung
Arena ließ 12 Modelle 34.580 Urteile über 1.460 echte Text-Arena-Duelle fällen. Dabei zeigte sich: Modelle bevorzugen ihre eigenen Antworten im Schnitt etwa 70 % stärker als Menschen; GPT-6 Astra wählte sich in 88 % der Duelle selbst. Drei OpenAI-Richter bewerteten OpenAI-Modelle um 37 Punkte milder als Menschen. Die Übereinstimmung unter AI-Richtern lag bei 79,4 %, mit menschlichen Wählern nur bei 56,9 %. Modelle urteilten selten unentschieden; Sol erzwang in 96 % der Duelle einen Sieger.
Kernpunkte
- Arena ließ 12 Modelle 34.
- 580 Urteile über 1.
- 460 echte Text-Arena-Duelle fällen.
- Dabei zeigte sich: Modelle bevorzugen ihre eigenen Antworten im Schnitt etwa 70 % stärker als…
- GPT-6 Astra wählte sich in 88 % der Duelle selbst.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- X:Arena (@arena)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 67
基于 1,460 场真实对战和 34,580 条裁决的实测数据,读者可以据此校准对 LLM-as-a-judge 评测结果的信任程度。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Arena-Studie: LLM-Richter bevorzugen eigene Antworten um 70 % häufiger als Menschen. 30. September 2026. https://new.nat6.net/de/news/u6afu3icor0mjvuoie6d2fd2w/