PITCH基准测试揭示AI聊天介入时机偏差
热点事件持续更新
PITCH基准测试揭示AI聊天介入时机偏差
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究团队发布PITCH基准测试，首次利用人类判断评估AI在多方聊天中的主动介入时机。该测试基于1091个实例构建384个候选贡献场景，为考察代理融入群体场景提供标准。 评估15个模型发现，实时决策时最佳轮次准确率从57.8%骤降至19.0%，且近半数介入早于可接受窗口。普通人类准确率（23.7%）反而高于模型，显示AI在时机判断上的系统性偏差。 分析显示93%的介入理由引用相关性，几乎无人考虑等待。推理痕迹暴露出AI代理缺乏对“沉默价值”的认知，揭示了其在融入非脚本化群体交流中的核心缺陷。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
PITCH 基准测试揭示 AI 主动代理在多方聊天中时机判断的系统性偏差报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · AIPITCH 基准测试揭示 AI 主动代理在多方聊天中时机判断的系统性偏差
研究提出 PITCH 基准，首次通过人类判断评估 AI 主动代理在多方聊天中的介入时机，包含 384 个候选贡献和 1,091 个判断。 评估 15 个模型发现，当要求实时决定时，模型最佳轮次准确率从 57.8% 降至 19.0%，且近半数介入早于可接受窗口；普通人类准确率（23.7%）反而高于模型。 模型推理痕迹显示 93% 的介入理由引用相关性，几乎无人考虑等待，暴露出代理融入群体场景的缺陷。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月20日 21:00
- 近 24 小时变化
- –
02468
21:0022:0023:00
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。