首页› 资讯库› 斯坦福发现 8 款 LLM 评审医疗答案时偏袒自身 微资讯 · 来源报道 斯坦福发现 8 款 LLM 评审医疗答案时偏袒自身 AIHOT 最近七天 2026-11-18 返回首页 阅读原文 斯坦福论文测试的 8 款 OpenAI、Anthropic、Google 和 Qwen 模型,在 620 道真实临床问题的匿名答案排序中全部偏向自己的回答,平均高出 1.22 个名次,GPT-5.6 Sol 接近 3 个名次。去掉评分标准后偏袒依旧存在,公开模型名也只让偏差缩小 0.094 个名次。 作者建议用跨模型家族的评审小组并逐评审者报告结果,而非单一汇总分。 回首页继续看 →