跳到正文
热点事件持续更新

五家LLM评审格式偏见测试复现

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

一名作者复现 TMLR 论文《Judging the Judges》的风格偏见测试,用 50 对内容相同的答案测试 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash、Qwen3.8 Flash 和 Gemini 3.5 Flash-Lite。每对答案分别采用 Markdown 和纯段落格式,共进行 1,880 次调用,以比较五家厂商评审模型在格式选择上的偏好。

AI 根据报道生成 · 34 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    实测 5 家 LLM 评审模型的 Markdown 格式偏见

    作者复现 TMLR 论文「Judging the Judges」,用 50 对相同内容的 Markdown 与纯段落答案测试 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash、Qwen3.8 Flash 和 Gemini 3.5 Flash-Lite,共进行 1,880 次调用。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。