热点事件持续更新
ProbabilityBench 评测 16 个模型不确定性校准
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 15 日，AGI Hunt 报道了 ProbabilityBench 这一面向大模型不确定性校准的评测基准。该基准的特点是能够精确计算真实的条件类别概率：它覆盖同行评审、隐蔽信息传递与信用风险三个模拟文本域，显式定义完整的数据生成过程，并由解析方法算出精确的类别概率与 Bayes 误差，再以 KL 散度衡量模型输出概率与真值之间的差距。在 16 个模型的评测中，成本–质量 Pareto 前沿上多为 Jev、Perplexity Decider 等决策模型。报道未给出各模型的具体得分与完整排名，也未说明基准是否已公开及后续评测安排。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 16:17
ProbabilityBench 发布，以 KL 散度评测 16 个模型概率校准，成本–质量前沿多为决策模型。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntProbabilityBench：用精确真值概率评测 16 个模型的不确定性校准
ProbabilityBench 提出可精确计算真实条件类别概率的评测基准，覆盖同行评审、隐蔽信息传递与信用风险三个模拟文本域。该基准显式定义完整数据生成过程，解析算出精确类别概率与 Bayes 误差，并以 KL 散度衡量模型输出概率；16 个模型的评测中，成本–质量 Pareto 前沿上多为 Jev、Perplexity Decider 等决策模型。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 17:00）·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。