AI2 发布 TutorMoments 评测基准，LLM 家教普遍过度代劳

Allen AI（Ai2）发布 TutorMoments-Preview 评测基准，用 520 个真实数学辅导课的关键时刻检验 LLM 家教是否会过度代劳。以过度代劳比例衡量（越低越好），Claude Sonnet 5.5 为 33%，GPT-6 Astra 35%，GPT-6 Sol（无推理）43%，GPT-5.5 高达 83%。