AI 评测生态系统

研究团队提出一种结合市场动态与 LLM 策略智能体的仿真架构，基于生成式智能体建模（GABM）在涵盖推理、编程、知识、安全、沟通与智能体（agentic）的六维能力空间中模拟 AI 评测生态系统。案例研究发现，从公开基准转向私有留出集（holdout）基准可缩小多数基准分数与用户满意度的差距，但也会在少数基准上因权重转移而扩大差距。