研究汇总 30+ 实验室 258 个实验,构建大模型认知评测基准
xuanalogue · x · 2026-10-01
论文线程介绍:研究团队从 30+ 个研究实验室、100 篇论文中收集了 258 个实验,构建覆盖心智理论、因果与物理推理、道德判断、语言与语用学等主题的评测集,用于衡量大模型与人类的认知对齐程度。结合同线程另一条,他们随后用 R² 与分布散度两个指标评测了 50 个语言与多模态模型,发现前沿模型与人类之间仍存在认知对齐差距。
所属事件:CogGym 基准评测 50 个前沿模型,揭示 AI 与人类认知对齐鸿沟(4 条相关)→
「漫话AGI」频道最新
- Roger Martin长文:直觉正遭AI系统性围剿,战略制定者该如何应对 — RogerLMartin · 2026-11-16
- 美联储官员警告:银行已拦截 AI 智能体擅动客户账户 — Polymarket · 2026-11-16
- Reddit 说「AI 是泡沫」,Twitter 在讨论「活不过 2027」:同个行业两种氛围 — Puzzleheaded-King584 · 2026-11-16
- Alpha School 被质疑用「劝退」筛选学生,Claude 当场被用来反问选择偏差 — benjaminjriley · 2026-11-16
- Netflix 拿下 Joseph Gordon-Levitt 执导的 AI 惊悚片,Rachel McAdams 加盟 — ShakeelHashim · 2026-11-16
- 卡内文学奖在 AI 代写质疑下确认 2026 年获奖者 — ShakeelHashim · 2026-11-16