盲评实验比较两模型回答置信度

AymericRoucher公布了一项由两名盲评AI评委参与的实验，比较Claude Opus 5.5与GPT-6.1 Sol在34个争议科学问题上的回答置信度。结果显示，Claude在29题上比GPT更明确地支持科学共识；GPT在疫苗致自闭、5G危险等议题上的措辞承诺度较低。该实验衡量的是回答传递出的置信度，不等同于对模型准确性的独立验证。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。