MediationBench 发布 AI 调解基准

Human Assisted Intelligence 发布 MediationBench 基准，测试 AI 调解人在 62 个模拟冲突中的表现。该基准让 AI 在与 LLM 扮演的双方进行对话中运行，每个冲突涵盖 3-25 轮对话窗口，评分为 0-100 分。 当前结果为一轮次、由一两个 judge 模型评分的暂定数据。该基准旨在测量 AI 在人类争论中的表现，但不评估人类安全性、公平性、合法性或协议是否持久。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。