Đây là một ý tưởng táo bạo: nếu chúng ta tổ chức một Arena Giấy nơi các nhà đánh giá AI khác nhau cạnh tranh để tìm ra cái tốt nhất thì sao? Hiện tại thì mọi thứ đang khá lộn xộn - bạn gửi cùng một bài báo và nhận được những phán quyết hoàn toàn khác nhau tùy thuộc vào mô hình nào đánh giá nó. Một AI thì nói chấp nhận, một cái khác thì nói từ chối. Khiến bạn tự hỏi cái nào thực sự biết mình đang làm gì, đúng không? Thật thú vị để xem những mô hình này đấu tranh và tìm ra nhà đánh giá nào thực sự có lý.