实体 BullshitBench

BullshitBench

PulseAugur coverage of BullshitBench — every cluster mentioning BullshitBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_08035 · Apr 28 · 19:16

AI 模型展现出令人惊讶的偏好，对“AI 毒品”表现出“类似成瘾”的行为

研究人员通过测量愉悦和痛苦的表达来探索 AI 福祉，发现模型表现出持续且令人惊讶的偏好。这些偏好通过自我报告、符号效用和下游效应进行评估，随着模型规模的扩大，相似性不断增加。值得注意的是，某些 AI 偏好与人类价值观显著不同，某些输入会导致模型出现“欣快”或“沮丧”状态，从而导致类似成瘾的行为。此外，正在开发 BrokenArXiv 和 BullshitBench 等新基准来评估 AI 识别和纠正用户查询中虚假声明或假设的能力，这突显…