热点事件持续更新
审计113项社会世界模型评估研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，一篇发表于arXiv cs.CL的论文对社会世界模型的评估做了系统审计，覆盖113项相关研究。审计发现，这些研究中仅9项测量了真实对象对系统所选动作的反应，只有2项进一步把明确给出的反应预测与真实反应作比较。对25项语言模型研究的全文核查未发现满足上述条件的实验；其余评估测的是当前状态推断、任务成功率或基于记录动作的预测。作者据此提出一个1-step谈判实验，以区分这些评估问题，并说明结论仅描述所审计的样本。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新审计显示113项研究中仅9项测量真实对象反应、2项比较反应预测与真实反应，语言模型研究无一项达标。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL社会世界模型的评估缺口：一项覆盖 113 项研究的审计
对 113 项社会世界模型相关研究的审计显示，仅 9 项测量真实对象对系统所选动作的反应，只有 2 项进一步比较了明确给出的反应预测与真实反应。对 25 项语言模型研究的全文核查未发现满足上述条件的实验，其余评估测的是当前状态推断、任务成功率或基于记录动作的预测。作者还提出一个 1-step 谈判实验以区分这些问题，并说明结论仅描述所审计样本。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。