跳到正文
热点事件持续更新

论文称LLM评审医学答案存在自偏好

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

斯坦福在论文《The Judge Is Not Impartial》中报告,8个来自OpenAI、Anthropic、Google和Qwen的大语言模型评审医学答案时,普遍更偏爱自己生成的答案。该研究对620个真实医学问题进行了13,760次判定,结果显示,以大语言模型充当评审可能因自偏好而影响医学自动评测的可靠性。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    斯坦福研究称 8 个 LLM 评审医学答案时均存在自偏好

    斯坦福在论文《The Judge Is Not Impartial》中报告,8 个来自 OpenAI、Anthropic、Google 和 Qwen 的 LLM 评审在医学答案互评中普遍更偏爱自己生成的答案。研究基于 13,760 次判定,覆盖 620 个真实医学问题,显示 LLM-as-judge 可能因自偏好影响医学自动评测的可靠性。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月18日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。