Westphalia Labs 发布 11 个 AI 模型多边外交协商评测
热点事件持续更新
Westphalia Labs 发布 11 个 AI 模型多边外交协商评测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Westphalia Labs 发布了一项关于 11 个 AI 模型主持多边联合声明起草能力的评测结果。该评测由该独立评估机构发起，旨在测试 AI 在外交与外交政策中的应用表现。 评测要求 11 个 AI 模型完成一项常见的外交任务：起草一份七国政府（各国均有自己的红线）都能签署的联合声明。每个模型共运行 10 次，其中 5 次基于“可通过狭窄路径达成妥协”的版本，另外 5 次基于“两个政府的要求无法同时满足”的版本。 评测结果显示，仅 Claude Opus 5.5、GPT-6.1 Sol 和 Grok 4.7 这三个模型在所有 10 次运行中均表现可靠。Westphalia Labs 已公开了评测场景、评分规则及相关代码，以确保评测的透明度。
AI 根据报道生成 · 4 小时前更新
最新进展10月30日 01:46
Westphalia Labs 测试 11 个 AI 模型主持多边声明起草报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Hacker News AIWestphalia Labs 测试 11 个 AI 模型主持多边声明起草
Westphalia Labs 测试了 11 个 AI 模型主持起草多边联合声明的能力，仅 Claude Opus 5.5、GPT-6.1 Sol 和 Grok 4.7 在所有 10 次运行中表现可靠。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月30日 02:00
- 近 24 小时变化
- –
02.557.510
02:0003:0004:0005:00
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。