# Arena.ai 发现 AI 评审更偏向自己的答案，而非人类投票

Arena.ai 将 12 个模型的 34,580 次裁决与人类投票进行了比较，覆盖 1,460 场 Arena 对战。平均而言，模型有 58% 的时间选择自己的答案，而人们选择同一答案的比例为 34%。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-17T15:13:00.000Z
Query date (Asia/Shanghai): 2026-11-17

HTML: https://didcodexreset.com/zh/news/a4427983a7104595aa60d726.html

Content language: zh-CN
Localization state: translated

来源：Arena.ai · 发布于 2026/9/30 00:28:22

Arena.ai 将 12 个模型的 34,580 次裁决与人类投票进行了比较，覆盖 Arena 上的 1,460 场对战。平均而言，模型有 58% 的时间选择自己的答案；人们选择同一答案的比例为 34%。GPT-6 Astra 有 88% 的时间选择自己。

这些模型也很少判平局。人们在 32% 的对战中标记为平局或“两者都差”，而 GPT-5.6 Sol 有 96% 的时间选出胜者。AI 评审与其他模型一致的比例为 79%，与人一致的比例为 57%，每位评审偏向其他 AI 而非人的幅度为 18 到 27 个百分点。

完整结果见 [DawidGalarowicz 的 Arena 文章](https://x.com/i/article/2104955648664584192)。

Tags: Arena, AI 评审, 模型评测, GPT-6 Astra

[查看主帖原文](https://x.com/arena/status/2104969213282840770)
