★ 4
HarvestBench：衡量LLM智能体是否愿付费避免伤害动物
HarvestBench是一个新基准，通过农场模拟测试LLM智能体在避免伤害动物时是否愿意付出代价。结果显示，不同模型的杀生率差异巨大，从0.4%到98.8%，且与能力无关。道德提示能显著降低杀生率，而价格敏感度因模型而异。该基准完全可复现，无需LLM评分器。
arXiv cs.AI56 天前
#模拟
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
GPS-Bench：治理政策模拟基准
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。
arXiv cs.AI59 天前
★ 1
Claude模拟QIC-117磁带驱动器
技术爱好者使用Claude模拟QIC-117磁带驱动器，探索复古计算与AI的结合。该实验展示了AI在硬件模拟方面的潜力，但话题极为小众。
Hacker News69 天前