热点事件持续更新
研究：LLM说服能力评测方法间一致性弱
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月8日，arXiv Computers and Society 发表研究，将九种已发表的自动化评测方法统一到同一设置，在十五个 LLM 上运行并比较排名。结果显示各方法一致性很弱，平均 Spearman ρ=0.25；模型拒绝部分任务（多集中在操控类任务）使一致性下降约四分之一，通用能力主要影响理性说服评测。研究指出单一分数只反映特定设置，难以跨任务衡量模型说服力。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
研究显示九种评测方法平均Spearman ρ=0.25，一致性弱，单一分数难跨任务衡量说服力。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · Computers and SocietyLLM 的说服力取决于评测方式
研究将九种已发表的自动化评测方法统一到同一设置，在十五个 LLM 上运行并比较其排名。结果显示各方法一致性很弱，平均 Spearman ρ=0.25；模型拒绝部分任务（多集中在操控类任务）使一致性下降约四分之一，通用能力主要影响理性说服评测。单一分数只反映特定设置，难以跨任务衡量模型说服力。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。