辩论基准新增8模型:Qwen 4 Max暴涨144分逼近榜首

zero0_one1 · reddit · 2026-11-19

Lech Mazur 的 Debate Benchmark 更新,新增 8 个模型,考察模型在被持续反驳下能否守住立场(含回答质疑、追问、收尾陈词),现已累计 10,928 场评级辩论、683 个议题、33,342 次裁判判定,PRO/CON 互换跑两遍并由三个不同家族模型独立评审以消除立场与裁判偏差。

关键成绩:

议题库覆盖十大领域,法律与监管最多(135 个),其次是劳动/教育/社会政策(122 个),419 个为全球性议题。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →