热点事件持续更新
研究团队推出面向System One决策模型的TypedBench评测基准
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究人员在arXiv发布研究，提出了名为TypedBench的全新基准测试，用于评估System One决策模型的校准度、表述敏感性以及实际决策成本。该基准基于7个策略标注生成器和9个评估套件构建，测试对象包括托管模型、开源编码器以及0.8B至9B参数规模的开源解码器模型。评测结果表明，托管模型对具体措辞较为敏感，且存在系统性的置信不足问题；解码器模型在策略问题上的准确率处于最低水平，并且其性能会随选项数量的增加出现明显下降。
AI 根据报道生成 · 6 小时前更新
最新进展10月9日 12:00
研究团队提出TypedBench基准，用于评估System One决策模型的校准度、表述敏感性与决策成本。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 人工智能TypedBench：面向 System One 决策模型校准度、表述敏感度与成本的评估基准
研究人员提出基准测试 TypedBench，基于 7 个策略标注生成器和 9 个评估套件，用于评估 System One 决策模型的校准度、表述敏感性与实际决策成本。该基准评测了托管模型、开源编码器及 0.8B-9B 参数规模的开源解码器模型。结果显示托管模型对措辞敏感且存在系统性置信不足，解码器在策略问题上准确率最低且随选项增加性能明显下降。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。