00:09
lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai精选73°
推荐理由：Arena 现在能看模型在事实准确性上的表现，Claude 和 GPT-5.5 排名变化挺有意思，想挑更靠谱的模型可以看看。
factuality
共 2 条相关 AI 资讯
7月18日
00:09
Arena 新增“事实性”排名信号，基于人类偏好与事实性的加权组合重新排列模型。该团队标注了超过 200 万条来自真实对话的 LLM 声明（Text Arena 130 万+，Search Arena 70 万+），通过验证声明正确性比较模型。开启事实性后，Claude Fable 5 下降至第 2，GPT-5.5 上升 13 位至第 7，Muse Spark 下降 13 位至第 20。Meta 整体从第 2 跌至第 5，Anthropic 仍居第 1；开源模型中，Xiaomi 从第 9 跃至第 6。
7月16日
01:56
01:56lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai推荐理由：Arena团队搞了个新方法测模型真假话，比基准靠谱，想知道你的模型有多爱吹牛？看点这个。