伯克利 CentaurBench：最强模型未必是最好助手

UC Berkeley 发布新基准 CentaurBench，专注于测试 LLM 作为助手指导固定工人模型完成任务的"增强"能力，而非直接自动化处理。研究发现，模型在自动化任务上的准确率并不总是与其作为辅助工具时的用户偏好成正比，例如 Opus 和 Sonnet 独立执行任务表现优异，但最强的自动化能力未必带来最佳的协作辅助效果，两者难以互相预测。

2026-08-27 ~ 2026-08-27 · 3 条相关

• 新研究：最强模型不等于最佳辅助，自动化能力难预测协作效果 — soumitrashukla9 · 2026-08-27
• 伯克利 CentaurBench 揭示：最强模型未必是最好助手 — soumitrashukla9 · 2026-08-27
• 研究显示最准确的模型并不总是用户最偏好的 — soumitrashukla9 · 2026-08-27