研究代码库检验LLM预测Reddit结局

SupratikB23 在 GitHub 发布研究代码仓库 hindsight-sycophancy，用于测试语言模型能否预测 Reddit 个人处境帖的真实结局，并以发帖者本人后续跟帖作为基准答案。项目仅使用自托管 vLLM 部署的开源权重模型 Gemma 4 26B-A4B、Qwen3.6 35B-A3B 和 gpt-oss-120b，不使用闭源或前沿模型。目前尚无模型结果，完整实验、人工验证与分析将在 2026 年 11 月 13–15 日的 Apart Research AI x Epistemics Research Sprint 期间完成。 仓库已披露冲刺前的数据采集与流水线搭建工作。流水线运行需要 Modal 账号和未随仓库提供的私有数据文件；不发布原始 Reddit 文本，公开数据仅为帖子 ID 加标签；原始文本只在自有私有 Modal 部署上处理，不发送给托管模型 API。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。