PhilBench 用哲学界调查测 97 个大模型的思想立场
pwlot · x · 2026-11-18
研究者 jerhardt 发布 PhilBench:把 2020 年 PhilPapers 调查(1785 位职业哲学家的哲学立场投票)作为基准,让 97 个 LLM 作答,以此观察各模型持有什么样的哲学观点、以及这些观点是否会影响其行为。作者表示有几处发现值得注意(原帖为 1/4 线程)。这是将哲学界最大规模实证调查转化为 LLM 评测基准的有趣尝试,兼具 benchmark 发布与模型行为观察价值。
「模型」频道最新
- browser-use 实测:GPT-6.2 Sol 登顶浏览器操作,比 Opus 5.5 便宜一半还高 7 分 — charliermarsh · 2026-11-18
- 决策模型跑分:比 LLM 生成 JSON 快 2.7-3.6 倍 — mervenoyann · 2026-11-18
- 网友盘点 Anthropic 五大价值:竞争、降价与开源护城河 — dh7net · 2026-11-18
- GitHub 宣布 6 款 Copilot 模型 2026 年 12 月退役,企业版将自动切换 — rcleffke · 2026-11-18
- 开发者实测 GPT-6.2 Astra:有所改进但方向仍糟糕 — kimmonismus · 2026-11-18
- OpenAI 商业版收费一个月:付费的 Premium 席位根本无法使用 — physmathastro · 2026-11-18