GPS-Bench：治理政策模拟基准
原文标题：GPS-Bench: A Governance Policy Benchmark for Automating Policy Analysis
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
GPS-Bench是一个基于证据的治理政策模拟基准，将政策与相关行为者、行动和影响关联，利用立法记录、游说披露等公共证据。它构建了有据可查的行为者画像，并对比联合推理、独立智能体等模式。实验表明，基于证据的微调在行为者层面影响预测上表现最强，分解方法虽未超越但提供了机制解释。
- 问题
- LLM政策模拟缺乏与真实观测结果的对照，有效性难以验证。
- 方法
- 构建证据驱动的GPS-Bench，用立法记录、游说披露等重建有出处的行为者画像，在同一政策状态下对比联合推理、独立智能体、图方法和权重微调。
- 结果
- 基于证据的微调在行为者层面影响预测上最强，分解方法未超越但提供机制解释。
- 影响
- 把「多智能体模拟是否有用」变成可控对比，为政策模拟提供可验证的基准与监督信号。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GPS-Bench用立法记录等公开证据构建政策模拟基准，基于证据的微调在行为者影响预测上最强。
- •基准将政策与行为者、行动、下游影响关联，证据来源包括立法记录、游说披露、监管文件、企业申报和经济数据。
- •行为者画像由带日期的记录重建而非提示词原型，每个画像都是带来源出处的证据对象。
- •人工标注池作为Gold测试集，另一LLM据检索证据标注的案例仅作Silver监督、不作测试标签。
- •同一政策状态下对比联合推理、独立/通信行为者智能体、图方法和权重级微调，微调在行为者层面影响预测最强。
- •分解方法未超越微调，但提供了机制解释；智能体持有私有的非同一信息。
为什么重要：它把「多智能体模拟是否有用」变成可控对比，并给政策模拟设了可核查的证据与测试标准，对做LLM政策推演的研究者和评估方直接相关。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。