热点事件持续更新
实测称 Claude Sonnet 5.5 作裁判一致性异常低
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月14日，AGI Hunt 报道称，有人实测发现 Claude Sonnet 5.5 作为 LLM 裁判时，与其他模型裁判的一致性罕见地低。报道给出的数据是：在 200 条轨迹上，Sonnet 5.5 与 GPT-6 Luna、GPT-6 Astra 的 Cohen's κ 仅 0.16，与 Opus 5.5 为 0.33，而其他裁判彼此之间普遍在 0.5-0.8 区间。报道据此提出质疑，认为该模型作为裁判时判定标准过宽，可能涉及 reward hacking 问题。目前该事件仅有这一篇实测报道，尚无官方或其他方回应。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI HuntClaude Sonnet 5.5 作 LLM 裁判一致性异常低，reward hacking 判定标准过宽引质疑
有人实测发现 Claude Sonnet 5.5 作为 LLM 裁判时与其他模型裁判的一致性罕见地低：在 200 条轨迹上，它与 GPT-6 Luna、GPT-6 Astra 的 Cohen's κ 仅 0.16，与 Opus 5.5 为 0.33，而其他裁判之间普遍在 0.5-0.8。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 04:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。