LLM 讲笑话基准 lolbench:解释好笑话 95%+,解释烂笑话掉到 81%
AffectionateGas9544 · reddit · 2026-09-11
Reddit 用户 AffectionateGas9544 发布了自己搭建的 lolbench,测试 LLM 能否理解与创作笑话,包含三项测试:解释笑话为何好笑(或不好笑)、在相同前提下写笑话、盲测预测人类更偏好哪个笑话。
目前最意外的发现:各家模型解释真实笑话的成功率都在 95% 以上,但在解释「一个失败的笑话为什么失败」时明显掉分,只有 81–92%。
作者还上线了人类投票环节 lolbench.lol:两 model 生成的笑话盲选,投票后揭晓出自哪家模型、以及与其他数千投票者的一致程度,每轮约 30 秒。作者欢迎对评测系统的反馈。
所属事件:开发者推 lolbench 基准测试 LLM 幽默理解(2 条相关)→
「Fun」频道最新
- 研究者证明二维台球可实现通用图灵机，抢在 OpenAI 千禧年大奖前发布 — prof_g · 2026-09-11
- 调惯 Claude 检查点的老玩家：回用 Opus 3 才算「回魂」 — repligate · 2026-09-11
- 退休模型住进'养老院',圈内人既不安又觉得是好事 — repligate · 2026-09-11
- OpenAI 暂停 200 美元套餐注册:饥饿营销还是算力见底? — andrew_n_carr · 2026-09-11
- Opus 5 梗:「能从一粒沙里看出工单」 — repligate · 2026-09-11
- 网友反向操作：命令 Astra 精准复刻「 AI 糊弄学」全套行为 — tetsuoai · 2026-09-11