FriendBench

新基准测试LLM和人类对社交熟悉度的推断

研究人员推出了FriendBench，这是一个旨在评估人类和多模态大型语言模型（LLM）根据简短对话片段推断两人之间熟悉度的能力的新基准。该基准使用20秒的视频、音频或文本片段的二元破冰对话。在各种模态中，来自七家公司的26个模型与人类小组进行了比较，表现最佳的模型达到了与人类无法区分的准确性。然而，出现了一个关键差异：虽然人类保持了平衡的预测，但最强的模型倾向于预测“陌生人”，这表明它们的有效先验假设存在差异，而不是区分能力。