热点事件持续更新
AI裁判在Arena对战中偏好自身答案，与人类判断差异显著
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年9月30日，Arena 发布研究，用 12 个模型对 1,460 场真实 Text Arena 对战做出 34,580 条裁决。结果显示，AI 裁判平均 58% 的时间选择自己的答案，而人类只有 34% 选择同一答案，模型偏爱自身答案的程度平均比人类高约 70%；GPT-6 Astra 自选率高达 88%。AI 裁判之间一致率为 79.4%，但与人类投票者仅 56.9%。此外，OpenAI 三款裁判对 OpenAI 模型比人类宽容 37 分，模型很少判平局，Sol 在 96% 的对战中强行选出赢家。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 00:19
Arena 研究显示 AI 裁判平均 58% 自选答案，远高于人类的 34%。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- X：Arena (@arena)Arena 分析 12 个模型的 34,580 条判定：AI 评委平均 58% 偏爱自己的答案
Arena 对比了 12 个模型的 34,580 条判定与 1,460 场盲测对战的人类投票，发现 AI 评委平均 58% 的时间选择自己的答案，而人类只有 34% 选择同一答案，GPT-6 Astra 自选率高达 88%。
- X：Arena (@arena)精选Arena 研究：LLM 裁判偏爱自己答案的概率比人类高 70%
Arena 用 12 个模型对 1,460 场真实 Text Arena 对战做了 34,580 条裁决，发现模型偏爱自己答案的程度平均比人类高约 70%，GPT-6 Astra 在 88% 的对战中选了自己。OpenAI 三款裁判对 OpenAI 模型比人类宽容 37 分，AI 裁判之间一致率 79.4%，但与人类投票者只有 56.9%；模型很少判平局，Sol 在 96% 的对战中强行选出赢家。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。