Tencent（腾讯）

LivingArena: Do LLMs Know What Other LLMs Don't? Peer-Probing as Scalable Evaluation

LivingArena：大语言模型知道其他大语言模型所不知道的吗？作为可扩展评估的对等探测

Xingyu Chen, Rui Wang, Zhaopeng Tu, Liefeng Bo

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） 纠错

AI总结 研究大语言模型能否利用其他模型的未知进行评估，提出自动化抗污染评估框架LivingArena，模型轮流提问，经评审验证，能产生稳定排行榜，可衡量事实严谨性等，与人类偏好相关性弱，提供低成本持续评估方法。

Breaking the Curse of Repulsion: Remoteness-Aware Control of Negative Off-Policy Updates

打破排斥诅咒：乐观分布鲁棒策略优化用于离线生成推荐

Yusen Huo, Changping Wang, Yangru Huang, Jun Zhang, Jie Jiang

机构 * Tencent Inc, China（腾讯公司，中国） 纠错

AI总结 本文提出DRPO方法，通过乐观分布鲁棒优化解决离线生成推荐中因低质量数据导致的模型崩溃问题，实现高质量行为恢复与噪声过滤。

Comments 46 pages, 9 figures