研究：LLM评审难胜更强模型

2026年10月15日，arXiv Artificial Intelligence 刊出 Yirui Zhang、Yash Raj Shrestha 的研究，考察 LLM 评审与能力迁移的区分及锚定效应。研究对 12 个开源模型（3B 至 72B）组成的 48 对组合、覆盖数学、知识、代码与推理进行测试，在 96 个评审方向中，评审仅在 9 个方向上胜过单独使用更强模型，且能力差距越大表现越差。研究将原因归于锚定效应：评审模型大多跟随生成模型的答案，丢弃了自己原本正确的答案。成本方面，评审是单独使用更强模型的 2.6 至 2.8 倍；而同样两次调用的选择器比评审准确率高 2.7 至 4.2 分且更便宜。上述结论均出自该研究，为其单一来源的测试结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。