14 个 LLM 与 27 名人类打 2038 场辩论,Fable 5.2 雄居榜首

eliebakouch · x · 2026-11-18

有人参照剑桥辩论社十年来的真实辩题,做了一个 LLM 辩论 benchmark:14 个模型和 27 名人类两两对决,共 2038 场辩论,由 8 个 LLM 组成的评审团匿名投票。流程模拟真实辩论:双方各陈立论、两轮交锋,还要应对其他 LLM『观众』的即席质询。

结果(Elo):Claude Fable 5.2 以 1821 分高居第一(259 胜 16 负),GPT-6.2 Astra 1715 分第二,Fable 5.1 与 Opus 5.5 分列三四;人类选手 Paul Graham(1245)和 Henry Shevlin(1158)排在 GLM 5.3 之后、Gemini 4 Hydrogen 之前;Mistral Large 4 以 941 分垫底(25 胜 236 负)。结论:顶级模型辩论能力已明显超过人类参赛者。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →