Arena 新增事实性排行榜
WeijiaShi2 · x · 2026-07-16
Arena 把 factuality 纳入了模型排名，新的榜单会按“人类偏好 + 事实性”的加权结果展示。
官方说明他们会随机抽取对话中的 battle，提取可由网页核实的断言，再逐条核验正确性；为此已经标注了超过 200 万条 LLM 断言，其中 130 万+ 来自 Text Arena，70 万 来自 Search Arena。
转推里提到的结果是：GPT-5.6 在事实性上明显领先，Grok-4.5 紧随其后；Opus-4.8 的事实性分数高于 Fable-5，而 Muse-Spark 在事实性权重提高后掉分明显。
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
- repligate:上下文塞满噪声对 LLM 是实打实的「困难」 — repligate · 2026-10-27
- 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27
- 模型越可信越不敢输密码?研究者谈安全护栏的连带效应 — AaronBergman18 · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- repligate:LLM 上下文塞满噪声时确实会变『难』,休息的价值或可用信息论解释 — repligate · 2026-10-27
- 3 张二手 V100 跑 Qwen 近 400 tokens/秒 — jfinkpottery · 2026-10-27