创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

CogGym以258项心理实验评测50个模型

AI 总结

据掘金 · 人工智能报道,MIT牵头、多所高校参与的CogGym将258项认知科学实验转换为任务无关的EML统一格式,并用50个大模型与真实人类作答进行对比。最佳模型在文本、图像和视频上的R²分别为0.59、0.58和0.43,低于人类信度的0.93、0.95和0.92。模型表现随规模提升,但常识推理进步慢于数学和编程,且重复采样得到的分布比人类更尖锐。

深度见解

CogGym量化展示了模型行为与人类反应之间的距离,说明形式推理成绩突出并不等同于具备同等水平的常识能力。

氛围图

💡 一句话总结:数学考试 AI 已经超越人类,但「理解人类怎么想」这件事呢?MIT 团队把认知科学几十年积累的 258 个经典实验标准化成统一考卷,让 50 个大模型和人类同场竞技:模型确实越来越像人,但天花板还有很远——而且「常识」这一科的成绩增长明显掉队于数学和编程。所有「AI 达到人类水平」的说法,都该先过这张考卷。

导语:「像人」不是感觉,是可测量的科学问题

「GPT 像人一样思考吗?」——这类争论通常止于各说各话的感觉。认知科学的回答方式一直很明确:拿实验来。几十年的人类行为研究留下了成千上万个精心设计的实验范式:人怎么推断他人意图、怎么理解模糊指令、怎么看图推理因果。

#CogGym#MIT#Harvard University#Cornell University#Stanford University#EML

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。