34.5万条轨迹反推80个AI模型行为性格差异

论文《On the Behavioral Traits of LLM Agents》提出 A-B-D 方法，不依赖模型自评或 LLM 评委打分，而是从 34.5 万条真实轨迹自底向上观察模型的实际工作方式，对 80 个模型、50 种任务场景进行行为层面的性格推断。结果显示各模型特质差异明显：Claude 最具规划性，GPT-5.5 则最不活跃，为刻画与比较 AI agent 行为提供了新范式。

2026-10-23 ~ 2026-10-23 · 2 条相关

• 34.5万条轨迹刻画 AI「性格」:Claude 最有规划性,GPT-5.5 最不活跃 — mdredze · 2026-10-23
• 从 34.5 万条真实轨迹反推 80 个 AI 模型的「性格差异」 — mdredze · 2026-10-23