13 个模型答题对决:10 个超过政策制定者,最高 98 分
ChenhaoTan · x · 2026-11-20
ChenhaoTan 介绍了 Ben Olken、Alexa Weiss 与 remanadeem 的一项工作:他们采访现任及前任部长级官员,询问现金补贴是否让人变懒、多少非正规就业者会买医保等真实政策问题,然后 ChenhaoTan 把同样的问题发给 13 个 AI 模型对比。核心发现:
- 政策制定者并不差:按证据一致性聚合,中位数官员答案得 86/100
- 13 个模型中有 10 个超过政策制定者:Claude Fable 5.2 最高(98),Kimi K3.1 Pro 97,GLM 5.3 96,Qwen3.8 Max 95
- 配图还显示与政策制定者的一致度排名:Muse Wonder 82 居首,Gemini 4 Carbon 最低(57)
作者认为公务员向 AI 咨询政策问题会越来越普遍,验证 AI 回答质量变得关键。
「模型」频道最新
- Realtime-Bench:人类玩游戏胜率 72%,最强模型仅 32% — ManlingLi_ · 2026-11-20
- Goodfire 公开 Qwen3.6 全部 1000 万神经元的可搜索图谱,并开放数据 — fatihdin4en · 2026-11-20
- 用户抱怨:OpenAI Dots 仍未在欧洲上线 — mark_k · 2026-11-20
- 四个月内开源权重模型在 Databricks 托管 token 占比从 7.3% 升至 30.9% — AIFlow_ML · 2026-11-20
- Gemini 4 Neon 一句话生成涩谷霓虹跑酷游戏,谷歌小蓝人当主角 — rseroter · 2026-11-20
- 教授精心设计「AI 防不住」考题,模型照样考到 82 分 — alex_verem · 2026-11-20