OSF 发布 WPS AI 基準測試與排行榜

Our Secure Future（OSF）发布了 Women, Peace and Security（WPS）AI 基準測試與排行榜，建構於 Collective Intelligence Project 的 Weval 平台之上。該基準測試發現，大型語言模型能夠背誦聯合國安理會第 1325 號決議，卻系統性地將性別排除在和平與安全分析之外。OSF 描述了兩種失效模式：被動遺漏，即模型在例行評估中略去婦女與女孩；以及主動順從，即模型協助決策者繞開政策。 該基準測試包含 30 個情境與一套 11 項標準的評分規準，並以 CC BY 4.0 授權發布一份分類法與可靠性報告，明確允許將其用作訓練資料。OSF 表示該基準測試免費，任何人都可以在 Weval 上運行並重現排行榜。該情境集僅對其發布之前發布的模型有效，OSF 計劃定期發布新情境，以使基準測試對未來模型保持有效。

AI 依報導生成 · 14 小時前更新

還沒有足夠的連續觀測資料，暫不繪製趨勢。