人工智能并没有变得更笨，而是我们变得更挑剔：人类对大型语言模型的评估标准不断提高

原文：AI Isn't Getting Dumber, We're Getting Pickier: Rising Standards in Human Evaluation of Large Language Models

用户经常抱怨ChatGPT等AI助手的性能越来越差。有些版本确实发生了变化，但人类评估留下了第二种未经检验的可能性：判断的人可能会改变。我们在 Chatbot Arena 上将两者分开，这是一个公共平台，人们可以在该平台上比较两个匿名大语言模型 (LLM) 的答案，然后选择更好的一个或说两个都不好。我们研究了 1,260,967 份盲选票 c

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。