麻省理工等提出评测基准HugAgent，探索大模型模拟真人数字分身的外推边界

麻省理工等机构研究者提出评测基准HugAgent，测试大模型基于真实参与者访谈在假设新情境下预测其观点变化的能力。该研究覆盖54名参与者与1742个评测项，涵盖全民医疗与公共监控等议题；实验表明模型在推断现有信念时最高达77.56%准确率，但在新情境下的信念动态更新中最高仅为68.61%，且持续增加访谈长度并未带来稳定的预测提升。