Arena榜单加入事实性
CSProfKGD · x · 2026-07-16
Arena 宣布其文本与搜索榜单开始采用人类偏好 + 事实性的混合排名，并把事实性做成可切换的非默认选项。
他们通过随机抽取对战样本、提取可由网页验证的主张，再逐条核验来评估模型回答的正确性。为支撑这套排名，Arena 已标注了 200 万+ 条现实对话中的模型主张，其中包括 130 万+ 条来自 Text Arena、70 万+ 条来自 Search Arena。
帖子还提到，启用事实性后，一些模型的排名变化明显：OpenAI 的模型整体受影响较小，Grok 因强调真实与客观而提升，Anthropic 和 Google 的结果则较为混合；Meta 的 Muse Spark 和 Dola Seed 下降较多，但 Muse Spark 1.1 仍优于 1.0 和 Llama 系列。
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