实体
BehaviorBench
BehaviorBench
PulseAugur coverage of BehaviorBench — every cluster mentioning BehaviorBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的基准测试 BehaviorBench 评估 AI 在行为科学任务上的表现
研究人员推出了一项名为 BehaviorBench 的新基准测试，旨在评估基础模型在行为科学相关任务（如心理学和社会学）上的表现。该基准测试从个体和群体层面评估模型在行为预测、策略决策、特质推断和知识应用方面的能力。与 BehaviorBench 一同推出的还有 http URL-1.5，这是一个在行为数据上微调的行为基础模型系列，与通用专有模型相比，该系列展示了更优越的分布对齐能力。
-
新基准评估AI预测真实世界用户决策的能力
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。