Kaggle 发布首个「人类行为基准」，Gemini 4 Argon 以 80.6% 居首
ShikharMurty · x · 2026-10-21
Kaggle 联合 RunRehearsals 推出 Human Behavior Bench，首个公开测试 AI 能否理解人类偏好与日常决策的基准。
- 真值基线来自对 1,244 名美国成年人的调查（2026 年 6-9 月）
- 覆盖健康、娱乐、消费、价值观等日常场景，部分队列含人口统计特征（年龄/收入/地点）与行为标签（如 GLP-1 患者群体）
- 配图榜单：Gemini 4 Argon 80.6% 居首，Claude Opus 5（80.2%）、GPT-5.6 Sol（79.5%）分列二三位，Grok 4.7 以 75.2% 垫底
- 立意：模型写代码已很强，「为谁而建」是下一个前沿
「模型」频道最新
- 实测发现 4-bit 以下开源模型自迭代生成 3D 资产很吃力 — mervenoyann · 2026-10-21
- 研究者用前沿模型 76 分钟挖出首个 Windows 0-day — moyix · 2026-10-21
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- qev-0.8B:3.5毫秒决策、1.3GB本地跑的微型模型登顶 — fajfas3 · 2026-10-21