研究：用户对大语言模型评价标准随时间上升

Zihan Chen、Lei Nico Zheng、Di Zhu 发布 arXiv 论文（arXiv:2611.14333），分析 Chatbot Arena 上 2023 年 5 月至 2024 年 8 月的 1,260,967 张盲投票，结论是人类对大语言模型的评价标准在上升，而非模型本身变笨。 研究对象是版本固定的模型对，包括标注日期的厂商快照和固定权重的开源模型。对同一对不变的模型，投"两者都不好"的比例每月上升 1.71 个百分点（均值为 17.1%），2024 年更是每月上升 1.91 个百分点。这意味着同样的模型随时间推移获得更多负面评价，表明用户期望在提高。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。