研究人员推出了BehaviorBench，这是一个旨在评估AI模型根据用户过往行为预测真实世界用户决策能力的新基准。该基准利用公开的预测市场和链上数据来重建个体决策历史，并将其组织成预测用户信念和交易行为的任务。初步评估表明，个性化显著提高了信念预测的准确性，并且模型在不同任务和数据接口上的表现各不相同。 AI
影响 提供了一个新的个性化AI决策评估框架，有望提高AI代理适应个体用户льзова的能力。
排序理由 该集群包含一篇介绍AI模型评估新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →