Anthropic 推出 TASTE 基准，模型评判安全研究远逊人类

Anthropic Alignment Science 团队发布 TASTE（The AI Safety Taste Evaluation）基准，测量模型判断 AI 安全研究提案优劣的能力。结果显示表现最佳的模型准确率仅约 60%，而人类达 77%；包括 Anthropic 全系 Opus/Haiku/Sonnet 及 Gemini、Qwen 等在内的几乎所有前沿模型准确率都接近随机猜测，凸显模型在安全研究鉴赏力上的显著不足。

2026-11-13 ~ 2026-11-14 · 3 条相关

• Anthropic 发布 TASTE 基准：最佳模型判安全提案仅 60% 胜过人类 77% — ben_j_todd · 2026-11-13
• Anthropic 发布 TASTE 基准：模型评判安全研究提案仅 60%，逊于人类 — maksym_andr · 2026-11-14
• TASTE 基准：几乎全部前沿模型准确率接近随机猜测 — maksym_andr · 2026-11-14