★ 3
arXiv 评测 LLM 人格模拟的认知多样性，Claude Sonnet 4.6 认知测试全满分
论文提出 cognition-suite 评测，检验 LLM 智能体能否复现人类在推理、自评特质与下游行为上的分级差异。在四个模型的七次完整模拟中，智能体能还原自评问卷分布，但认知任务表现多样性不足：Claude Sonnet 4.6 的四次运行中所有智能体认知反思测试均满分，而人类样本满分率不足…
arXiv NLP5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 cognition-suite 评测，检验 LLM 智能体能否复现人类在推理、自评特质与下游行为上的分级差异。在四个模型的七次完整模拟中，智能体能还原自评问卷分布，但认知任务表现多样性不足：Claude Sonnet 4.6 的四次运行中所有智能体认知反思测试均满分，而人类样本满分率不足…