WORTH 基准用原创悬疑小说考 AI：线索命中与指凶判断严重脱节

Bread Studio 发布 WORTH 基准试点，用无线索标注的原创悬疑小说考模型挑关键线索句、指凶并解释推理。两集共 70 次正式运行，评分分别记录线索命中与指认；第 2 集 37 次可评分运行中有 31 次同时选错同一批嫌疑人。线索命中与指凶判断不同步，模型在非全 cooperative 信息下证据发现与叙事判断不稳定。