LMArena 加入事实性排行
the-grand-finale · reddit · 2026-07-16
LMArena 给 Text Arena 和 Search Arena 加入了新的 Factuality 维度，榜单改为 人类偏好 + 事实性 的加权组合，且这是一个可切换的非默认模式。
事实性怎么测
- 随机抽取 Arena 对战样本
- 从模型回答中抽取可由网页验证的断言
- 逐条核验这些断言
- 比较对战双方的平均正确率
团队说，他们已经为此标注了 200 万+ 条模型在真实对话中的断言：
- Text Arena：130 万+
- Search Arena：70 万+
榜单变化
Text Arena：
- Claude Fable 5 从第 1 降到第 2
- GPT-5.5 上升 13 名到第 7
- Muse Spark 从第 7 跌到第 20
Search Arena：
- GPT-5.5-search 升到第 1
- GPT-5.2-search 从第 11 升到第 3
- claude-sonnet-4-6-search、gemini-3.1-pro-grounding 等都有下滑
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