← 返回话题列表

# 动态基准

相关话题

2026-04-04

AI评测范式革命

从静态刷榜到动态博弈，AI评测正在“实战化”。Kaggle推出AI大逃杀，让模型在狼人杀、德州扑克中互骗互杀；普林斯顿等则在Nature提出18维“通用量表”，强调可解释与跨任务泛化。评测重心由“做题家”转向社交欺骗、心理博弈与真实场景可靠性，将直接影响模型迭代方向与行业选型标准。
AI评测 大逃杀 通用量表 社交博弈 动态基准
📰 3 条相关内容 查看详情 →