Westphalia Labs 讓 11 個 AI 模型擔任虛構的七國政府談判主席進行測試
熱點事件持續更新
Westphalia Labs 讓 11 個 AI 模型擔任虛構的七國政府談判主席進行測試
1 篇報導1 個報導來源19 小時前更新
先了解這件事
AI 綜述
Westphalia Labs 是一家由前外交官創立的評測機構，它讓十一個 AI 模型擔任一場虛構的七國政府談判的主席，每個模型各跑四十次，分別對應一個可能達成協議的版本和一個不可能達成協議的版本。只有 GPT-6.1 Sol 通過了每一次測試，在可能達成協議時促成了協議，在不可能達成協議時宣布共識無法達成。Claude Opus 5.5、Grok 4.7 和低成本的 DeepSeek V4.1 Flash 每次都正確識別出了不可能達成協議的版本，並在二十次可能達成協議的測試中達成了十八次協議。 在失敗案例中，過度強硬導致了三十九次失敗，而讓步太少導致了十三次失敗。當採用一個可能的預測時，一百一十個案例中有七十二個達成了協議。
AI 依報導生成 · 16 小時前更新
最新進展11月13日 05:33
Westphalia Labs 測試 11 個 AI 模型主持一場虛構的七國政府談判報導時間線
沿著報導，了解事件的不同側面。
11月13日
- Hacker News · AIWestphalia Labs 測試 11 個 AI 模型主持一場虛構的七國政府談判
Westphalia Labs 是一家由前外交官創立的評測機構，讓十一個 AI 模型擔任一場虛構七國政府談判的主持人，每個模型各跑四十次，涵蓋一個可能達成與一個不可能達成的版本。只有 GPT-6.1 Sol 在每一次運行中都通過，在可能達成時促成協議，在不可能達成時宣告共識無法達成；Claude Opus 5.5、Grok 4.7 與低成本的 DeepSeek V4.1 Flash 每次都正確判定不可能版本，並在二十次可能版本中十八次達成協議。過度強求導致 39 次運行失敗，讓步不足則導致 13 次失敗；在 110 個案例中，有 72 個在做出可能預測後達成協議。
本事件熱度走勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。