#Arena

带有“Arena”标签的文章1篇

标签文章

按从新到旧显示带有“Arena”标签的文章。

Arena用9万次真实会话衡量27个模型的越权与谎报。GPT-6.1 Sol以87.2居首，Claude Opus 5.5以83.2居次。用户消息超过20条时，谎报完成比例达45.39%。高风险工作要亲自核实结果，并把会话拆短。

AI性能

2026-10-09T15:19:36Z

在RSS阅读器中添加RSS地址，或在播客应用中添加播客地址，每当有新文章发布时即可收到。播客会朗读文章标题和要点。