arXiv · cs.AI· Kamile Dementaviciute, Julija Vaitonyte, Tijl De Bie·· 22 小时前
九种自动化方法评估15个LLM的说服力，结果一致性较弱
LLM Persuasion Is in the Eye of the Evaluation
arXiv:2610.10232v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kamile Dementaviciute, Julija Vaitonyte, Tijl De Bie
首次提交：2026-10-07 23:19
研究任务与主要进展
基于论文摘要，研究者将九种已发表的自动化说服力评估方法应用于同一组15个LLM，平均Spearman相关系数仅为0.25，说明方法间排序一致性较弱。模型对部分任务的直接或间接拒答会使一致性降低约四分之一，且多数非操纵性说服方法会随模型一般能力变化，而多数操纵性方法不会；作者据此认为任务设置比具体评分方式更影响评估结果，但该结论仅基于八种可分析方法，属于指示性发现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org