LLM 当评委盲区扩大：奖励模型偏好正在毁掉写作评测
sam_paech · x · 2026-09-07
sampaech 回应「创意写作基准还能不能信」的疑问：所有由 LLM 评判的写作评测都应打折扣看待，最好直接阅读样本自行判断。
核心问题是，LLM 评委对「为讨好奖励模型偏好而优化」带来的可读性退化视而不见，而这一污染正日益严重。
所属事件:EQ-Bench 更新创意写作榜：作者偏爱 Muse Spark 并警示 LLM 评审盲区(6 条相关)→
「研究」频道最新
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27