研究发现：用户对同一批 AI 聊天模型的评价逐月趋严

人们每个月都会更严苛地评价完全相同的 AI 聊天机器人，因此一个从未改变的聊天机器人会开始显得更差。

研究人员分析了 Chatbot Arena 上的 1,260,967 次盲投票；在该平台上，人们比较 2 个匿名模型的回答。他们只保留了由固定不变的模型组成的配对，例如带日期的模型快照和固定的开放权重模型，以确保模型始终没有变化。

对于同一对模型，投“两个都不好”的票每月增加 1.71 个百分点，平均占比为 17.1%。但在 2024 年，更强的模型在有明确胜负的投票中赢得的份额大致不变，因此排名保持稳定。