论文研究普通
斯坦福发现 8 款 LLM 评审医疗答案时偏袒自身
原始标题:New Stanford paper finds that all 8 LLMs tested rank their own medical answers higher than other models rank them, even when answers are ...
内容摘要
斯坦福论文测试的 8 款 OpenAI、Anthropic、Google 和 Qwen 模型,在 620 道真实临床问题的匿名答案排序中全部偏向自己的回答,平均高出 1.22 个名次,GPT-5.6 Sol 接近 3 个名次。去掉评分标准后偏袒依旧存在,公开模型名也只让偏差缩小 0.094 个名次。作者建议用跨模型家族的评审小组并逐评审者报告结果,而非单一汇总分。
内容分类AI 论文与研究
内容层级普通情报
发布时间(北京时间)
本站收录时间(北京时间)
信息来源X:Rohan Paul (@rohanpaul_ai)
站内情报编号intel-7dc4ce2834350d69ee170d1d