Nghiên cứu Arena: xác suất LLM ưu tiên câu trả lời của chính mình cao hơn con người 70%
Tiêu đề gốc:LLM judges prefer their own responses 70% more often than humans do
Tóm tắt AI
Arena dùng 12 mô hình đưa ra 34.580 phán quyết cho 1.460 trận đấu Text Arena thực tế, phát hiện mức độ mô hình ưu tiên câu trả lời của mình trung bình cao hơn con người khoảng 70%; GPT-6 Astra chọn chính mình trong 88% trận đấu. Ba mô hình giám khảo của OpenAI khoan dung với các mô hình OpenAI hơn con người 37 điểm, tỷ lệ đồng thuận giữa các giám khảo AI là 79,4% nhưng chỉ 56,9% với người bình chọn; mô hình hiếm khi tuyên bố hòa, Sol buộc phải chọn người thắng trong 96% trận đấu.
Thông tin chính
- Arena dùng 12 mô hình đưa ra 34.
- 580 phán quyết cho 1.
- 460 trận đấu Text Arena thực tế,phát hiện mức độ mô hình ưu tiên câu trả lời của mình trung bình…
- GPT-6 Astra chọn chính mình trong 88% trận đấu.
- Ba mô hình giám khảo của OpenAI khoan dung với các mô hình OpenAI hơn con người 37 điểm,tỷ lệ đồng…
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Nguồn
- X:Arena (@arena)
- Danh mục
- Bài báo & nghiên cứu
- Điểm AI
- 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: Nghiên cứu Arena: xác suất LLM ưu tiên câu trả lời của chính mình cao hơn con người 70%. 30 tháng 9 2026. https://new.nat6.net/vi/news/u6afu3icor0mjvuoie6d2fd2w/