Arena断言统计数据公布
arena · x · 2026-07-16
Arena 解释了他们如何统计模型断言，以及这些断言在对战中的分布情况。
- 他们已经标注了 200万+ 条 LLM 真实对话里的断言：Text Arena 130万+，Search Arena 70万+。
- 这些数据覆盖约 13万 场 Text Arena 对战和 4万 场 Search Arena 对战。
- 在 Text Arena 中，至少一方出现断言的比例是 76%；在 Search Arena 里是 88%。
- 平均来看，Text Arena 每个回复约 5 个断言，Search Arena 里接近 10 个。
- 文中还提到，Text Arena 的边际真实断言率为 87%，Search Arena 为 89%，这与 Arena 的 AutoModality 分类器有关，它会把更可能需要联网的提示自动路由到 Search Arena。
所属事件:Arena 将事实性纳入模型排行榜(12 条相关)→
「模型」频道最新
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27