研究发现 LLM 评测存在多种偏置，去偏后模型分数反降

Hugging Face 开发者 antoinechaffin 指出，LLM 在数值题中常把答案放在极端值，这种偏置会显著影响评测结果。对决策模型去除选项长度偏置后，其 Habermas Machine 得分从 60 分降至 45 分，低于“选最长”启发式的 50%，随机基线约为 24%。