Westphalia Labs 让 11 个 AI 模型担任一场虚构的七方政府谈判的主席进行测试
热点事件持续更新
Westphalia Labs 让 11 个 AI 模型担任一场虚构的七方政府谈判的主席进行测试
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Westphalia Labs 是一家由前外交官创立的评估机构，它让 11 个 AI 模型担任一场虚构的七方政府谈判的主席，每个模型在可能达成协议和不可能达成协议的两个版本中各运行 40 次。只有 GPT-6.1 Sol 通过了每一次运行，在可能达成协议时达成了协议，在不可能达成共识时宣布共识不可能。Claude Opus 5.5、Grok 4.7 和低成本的 DeepSeek V4.1 Flash 每次都正确识别出了不可能版本，并在 20 次可能运行中的 18 次达成了协议。 在失败案例中，过度施压导致 39 次运行失败，而让步过少导致 13 次失败。当遵循一个可能的预测时，110 个案例中有 72 个达成了协议。
AI 根据报道生成 · 16 小时前更新
最新进展11月13日 05:33
Westphalia Labs 测试 11 个 AI 模型主持一场虚构的七国政府谈判报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- Hacker News · AIWestphalia Labs 测试 11 个 AI 模型主持一场虚构的七国政府谈判
Westphalia Labs 是一家由前外交官创立的评估机构，它让 11 个 AI 模型担任一场虚构的七国政府谈判的主持人，每个模型在可行版和不可行版上各运行 40 次。只有 GPT-6.1 Sol 通过了每一次运行，在可能达成协议时达成协议，在不可能时宣布共识不可能；Claude Opus 5.5、Grok 4.7 和低成本的 DeepSeek V4.1 Flash 每次都正确判断出不可行版，并在 20 次可行运行中的 18 次达成一致。过度施压导致 39 次运行失败，而让步不足导致 13 次失败；在 110 个案例中，有 72 个在给出可能的预测后达成了协议。
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。