热点事件持续更新

论文测试五款聊天机器人政策打分稳健性并开源数据集

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Oleg Vasilyev 在 arXiv 发布论文，测试五种聊天机器人配置对美国政府政策行动打分的稳健性。研究用 Mistral、Gemini Flash、Claude Sonnet 和两个努力档位的 Claude Opus，在 30 天内每天两次为美国近四届政府的 40 项行动和 15 项假设改革的长远影响打分。结果显示判断总体稳健：各配置对政府均分的符号和排序一致，同一配置对同一行动给出相反符号的比率约 4%。研究还发现 3 次服务端变化悄然改变了判断，并开源了包含 16,500 条评分的数据集。

AI 根据报道生成 · 1 小时前更新

最新进展10月29日 13:32

聊天机器人 LLM 对美国总统政策判断的稳健性研究

报道时间线

沿着报道，了解事件的不同侧面。

10月29日

13:32
arXiv · cs.CL
聊天机器人 LLM 对美国总统政策判断的稳健性研究
一项为期 30 天的研究测试了 5 种聊天机器人配置（Mistral、Gemini Flash、Claude Sonnet 及两个努力档位的 Claude Opus），每天两次为美国近四届总统政府的 40 项行动和 15 项假设改革的长远影响打分。结果显示判断总体稳健：各配置对政府均分符号和排序一致，同一配置对同一行动给出相反符号的比率约 4%。研究还发现 3 次服务端变化悄然改变了判断，并开源了包含 16,500 条评分的数据集。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。