研究显示模型推理努力与人类解题难度相关
热点事件持续更新
研究显示模型推理努力与人类解题难度相关
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Thomas Davidson 发布的一项研究对比了 6 个大型推理模型与 1,854 名人类受试者的内容审核实验,发现模型在人类耗时更久的难题上会投入更多推理,表现为思维链更长。当两帖攻击性程度持平时,人类判断耗时增加 31%,模型思维链长度增加 51%–306%。 相关性大小取决于分析粒度:按攻击性语言类型分组后,人类平均反应时间与模型平均推理努力的相关系数达 0.85–0.93;但就单个决策而言,相关性较低,仅 0.15–0.19。
AI 根据报道生成 · 50 分钟前更新
最新进展11月18日 13:00
研究显示人类与大型推理模型对内容审核难题的难度反应相似报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI研究显示人类与大型推理模型对内容审核难题的难度反应相似
一项对比 6 个大型推理模型与 1,854 名人类受试者的内容审核实验发现,模型在人类耗时更久的难题上也会投入更多推理。当两帖攻击性程度持平时,人类判断耗时增加 31%,模型的 CoT 长度增加 51%–306%;按攻击性语言类型分组后平均反应时间与推理努力相关性达 r = 0.85–0.93,而个体决策仅 r = 0.15–0.19。
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。