Paras Chopra 发布 LLM 笑话盲测实验
先了解这件事
2026 年 10 月 6 日，Paras Chopra 在其 Substack 发布 LLM 幽默实验的方法与结果。实验邀请 62 名受访者，对来自六个模型的 48 个笑话进行盲评，结果显示 Astra 以超过 50% 的「会心一笑/大笑」率排名第一。该实验要检验前沿模型在幽默这一不可验证、依赖「品味」的领域是否持续进步——报道称 GPT-3 时代的模型只会复述网上老梗，而两年的对比显示幽默感持续提升。实验背后的核心问题是：数学、代码等可验证领域上的能力进步，能否迁移到这类软性能力上。10 月 6 日 20:37，AGI Hunt 发布三篇后续报道，均复述了同一组数字与结论：62 人、48 个笑话、六个模型、Astra 夺冠及其 50%+ 的「会心一笑/大笑」率，未给出新数据，与早先报道之间未出现矛盾。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntLLM 笑话实验全纪录：两年对比显示幽默感持续进步
Paras Chopra 在 Substack 发布 LLM 幽默实验方法与结果：62 名受访者盲评六个模型的 48 个笑话，Astra 以 50%+ 的「会心一笑/大笑」率夺冠。实验检验前沿模型在「幽默」这一不可验证领域是否持续进步——GPT-3 时代模型只会复述网上老梗。核心问题是数学、代码等可验证域的能力进步能否迁移到依赖「品味」的软性能力。
- AGI Hunt62人盲测48个LLM笑话 大模型幽默感持续进步
Paras Chopra 发布实验，62 名受访者对来自六个模型的 48 个笑话盲测评分，结果显示前沿大模型的幽默感确实在进步，与 GPT-3 时代只会复述网上老梗形成对比。完整方法与结果已在 Substack 公开，两年对比进一步表明大模型在「幽默」这类不可验证领域的能力持续提升。
- AGI Hunt62 人盲测 48 个 LLM 笑话：幽默感真的在变强
Paras Chopra 的盲测实验显示，62 名受访者对来自六个模型的 48 个笑话评分，Astra 拿下第一，获得超过 50% 的「会心一笑/大笑」反应。结果说明前沿大模型的幽默感确实在进步，作者借此检验数学、代码等可验证领域的能力进步能否迁移到幽默这类难以验证、依赖品味的软性能力，完整方法与结果发布在其 Substack 文章中。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。