研究发布FrameBench-HPS基准，揭示LLM增益-损失框架效应
热点事件持续更新
研究发布FrameBench-HPS基准，揭示LLM增益-损失框架效应
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Yuyao Zhang等作者提出FrameBench-HPS基准，用于测量大语言模型在高风险决策中的增益-损失框架效应。该基准包含240个高风险场景衍生的2,880条提示词，覆盖医疗、金融、教育/职业和法律/消费者权益领域。 在七个LLM上测试显示，增益-损失框架使32.4%的完整组改变了推荐类别，且多数变化涉及不确定性而非直接反转。作者称，概率规范化可显著降低框架敏感性，表明概率表示是提升高风险LLM决策支持一致性的可行改进目标。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
FrameBench-HPS 基准揭示高风险决策中 LLM 的增益-损失框架效应报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv cs.CLFrameBench-HPS 基准揭示高风险决策中 LLM 的增益-损失框架效应
研究提出 FrameBench-HPS 基准，包含 240 个高风险场景衍生的 2,880 条提示词，覆盖医疗、金融、教育/职业和法律/消费者权益领域。在七个 LLM 上，增益-损失框架使 32.4% 的完整组改变了推荐类别，且多数变化涉及不确定性而非直接反转。概率规范化可显著降低框架敏感性，表明概率表示是提升高风险 LLM 决策支持一致性的可行改进目标。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。