WORTH 基准用原创悬疑小说考 AI：线索命中与指凶判断严重脱节
BreadStudio · hf · 2026-10-27
Bread Studio 发布 WORTH Benchmark 试点：让模型阅读无线索标注的原创悬疑小说（由职业作者撰写，推理线索与延迟真相揭示的叙事安排共存），自主挑选关键线索句、识别嫌疑人并解释推理。两集共 70 次正式运行中，评分分别记录线索命中与参与者指认：结果显示二者不同步——第 2 集 37 次可评分运行中有 31 次同时选错了同一批嫌疑人，暴露模型在非全 cooperative 信息下的证据发现与叙事判断相当不稳定。
「研究」频道最新
- AI 设计药物在人体见效，抗衰老正变成『可修复问题清单』 — rand_longevity · 2026-10-27
- 复杂度理论新猜想：算法提速的代价是变丑 — Elijah_Meeks · 2026-10-27
- UMAP 为何把模型可视化拉成一条弧:一个巨型坐标主导一切 — leland_mcinnes · 2026-10-27
- NeurIPS 基准:45 个数据集上树模型仍胜深度学习,XGBoost 领先 — tak3sh8 · 2026-10-27
- Kevin Bryan 演示「人机共创」设计工具并谈 AI for Science 训练逻辑 — Afinetheorem · 2026-10-27
- Szegedy 感叹：训练损失的这一缺陷竟十多年无人察觉 — ChrSzegedy · 2026-10-27