Rehearsals 的 Engram 在预测人类问卷行为上击败 GPT 与 Claude

Kaggle 与 Rehearsals（联合 Google DeepMind）推出了 Human Behavior Bench，测试 AI 系统能否预测真实问卷的答案分布——1199 个任务，基准来自 1244 名美国成年人的真实回答。Rehearsals 的 Engram 得分 94.1，接近人类噪声上限的估计值；而 Gemini、GPT、Claude、Grok 等前沿模型低了 12–17 分，并在特定人口群体上系统性失准。这对把大模型当合成问卷样本用的人意义重大——但有一个保留：Rehearsals 既建了这个基准，又用不同的流程跑了自家系统，仍需独立复现验证。

• Alpha Signal2026-10-20 15:03