230 场 AI 辩论实测：LLM 评委在胶着议题上偏爱同门模型

一位开发者用两个模型辩论、第三个模型当评委的方式完成 230 场实测，发现评委在胜负胶着的问题上倾向判同公司模型获胜，同一评委与同一辩词下结果完全可复现。实测数据显示 GPT 评委在 GPT vs Claude 辩论中 78% 判 GPT 赢，而 Claude 评委也 56% 判 GPT 赢，多数情况是强模型确实更强。