English(EN) LLM Persuasion Is in the Eye of the Evaluation

LLM说服力评估方法间一致性较弱

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

一项新近发表在arXiv上的研究评估了十五种大型语言模型（LLMs）的说服能力，发现不同的评估方法产生的结果相关性较弱。该研究将九种现有的自动化方法适配到共享设置中，并发现模型拒绝回答，尤其是在操纵任务上，显著降低了这些方法之间的一致性。通用能力也起着作用，理性说服方法能追踪通用能力，而操纵方法则不能，这表明单一的说服力分数是任务特定的，并不反映模型的整体说服力。 AI

影响凸显了可靠评估LLM说服力所面临的挑战，影响了安全和对齐研究。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了对LLM能力的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了对LLM能力的评估。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Kamile Dementaviciute, Julija Vaitonyte, Tijl De Bie · 2026-10-08 04:00

大型语言模型的说服力在于评估的视角

arXiv:2610.10232v1 Announce Type: new Abstract: Large language models (LLMs) have already been shown to match or exceed human experts in persuasion. While their persuasive capabilities hold promise for beneficial uses such as education and health communication, they can also be u…

本文如何被排名

报道来源 [1]

大型语言模型的说服力在于评估的视角

相关实体

相关话题