研究发布聊天机器人政治判断稳健性数据集

研究者 Oleg Vasilyev 发布一项聊天机器人判断稳健性研究及 16500 条判断数据集。研究在 30 天内通过消费级聊天界面，让 Mistral、Gemini Flash、Claude Sonnet 和 Claude Opus（两种 effort 设置）共五种配置，每天两次为 40 项近四届美国总统行政行为和 15 项假设性改革打分。 研究关注这些模型对总统行为与假设性改革的判断是否稳定，数据集收录了上述打分产生的 16500 条判断。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。