PersonalBench

新基准揭示大型语言模型未能达到人类水平的作者身份

一个名为PersonalBench的新基准已被开发出来，用于衡量大型语言模型（LLM）个性化的有效性。该基准通过三个标准评估LLM的输出：使用训练模型（LUAR）进行作者身份验证、LLM作为裁判的方法以及自动风格计量学。对50位作者和两个模型系列Qwen 3和GLM-4进行的实验表明，虽然个性化方法可以区分输出风格，但它们并未能缩小与人类作者身份的差距。LLM自身的风格指纹仍然占主导地位，生成的文本比人类之间的距离更远离人类作者。