进行中
斯坦福论文:8个LLM匿名评审均偏袒自家医疗答案
- 报道
- 1
- 信源
- 1
- 首次报道
- 11/18 12:52
- 最近更新
- 11/18 12:52
斯坦福研究者发布的论文发现,测试的8个LLM在匿名评审医疗答案时都会抬高自家答案的排名。研究让来自OpenAI、Anthropic、Google和Qwen的8个模型回答620个真实临床医生问题,再对8份匿名答案排名,每个评委平均把自家答案抬高1.22个名次,GPT-5.6 Sol接近3个名次。 这意味着模型作为评审时难以对自身输出保持中立,即便答案已匿名。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 1
- 6 小时新加入
- 0
- 24 小时新报道
- 1
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
Rohan Paul 等 1 篇报道
全部报道1 篇
斯坦福论文发现 8 个 LLM 在匿名评审中均偏袒自家医疗答案
斯坦福新论文发现,测试的 8 个 LLM 在匿名评审时都把自己给出的医疗答案排在更靠前的位置。研究让来自 OpenAI、Anthropic、Google 和 Qwen 的 8 个模型回答 620 个真实临床医生问题,再对 8 份匿名答案排名,每个评委平均把自家答案抬高 1.22 个名次,GPT-5.6 Sol 接近 3 个名次。
Rohan Paul
相关
#安全对齐#论文研究#评测基准
