尝试复现大语言模型裁判位置偏差

针对 GPT-5.6 Sol 成对评估位置偏差的复现实验显示，反转候选回答呈现顺序后 95%（19/20）的比对维持相同胜者，未发现系统性位置偏差的充分证据。在 20 组固定提示词测试中，同序对照一致性达 100%（20/20），仅 1 组（5%）出现第二位置偏好。作者指出该小样本结果既未确立系统性偏差，也无法证明 GPT-5.6 Sol 普遍具备位置鲁棒性。