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。