研究者提醒：LLM 评审的写作评测存在系统性盲区
koltregaskes · x · 2026-09-07
sampaech 在回复中提出，看待任何由 LLM 评审打分的写作评测都应保持谨慎：最好亲自阅读样文、自行判断。他指出，当模型针对奖励模型偏好做优化时，会产生可读性问题，而 LLM 评审对这类问题相当不敏感——这正是一个日益严重的现象。原帖作者对此表示认同。
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)→
「模型」频道最新
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 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
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27