热点事件持续更新
研究团队提出大模型高风险决策评测基准FrameBench-HPS
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月22日，研究团队在arXiv发布成果，提出了用于评估高风险大模型决策支持中得失框架效应的评测基准FrameBench-HPS。该基准包含240个高风险场景与2,880个提示词。测试显示，7款大语言模型在收益与损失框架表述下，有32.4%的完整组别改变了建议类别；该框架效应在对话改写下依然存在，且超出了普通重复生成的变异度。此外，研究指出概率规范化能够大幅降低模型的框架敏感度，可作为提升高风险大模型决策支持一致性的可行方案。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究团队推出FrameBench-HPS基准，揭示7款大模型在不同得失表述下建议不一致。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 人工智能相同概率不同建议：高风险 LLM 决策支持中的得失框架效应
研究提出了包含 240 个高风险场景、2,880 个提示词的评测基准 FrameBench-HPS，发现 7 款 LLM 在收益与损失框架表述下有 32.4% 的完整组别改变了建议类别。该框架效应在对话改写下依然存在，且超出普通重复生成的变异度。研究指出概率规范化能大幅降低框架敏感度，是提升高风险 LLM 决策支持一致性的可行方案。
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。