HarvestBench 衡量大语言模型代理是否愿意付费避免杀死动物
HarvestBench 是一项可复现的基准测试，用于评估语言模型代理是否愿意承担成本，以避免有害的副作用。在农场模拟中，代理驾驶两台拖拉机进行玉米收割，并在不增加燃料成本碾过动物与付费绕行之间做选择。在 7,201 次决策中，各模型的动物杀伤率为 0.4% 至 98.8%，且与模型整体能力没有一致关系。道德提示显著降低了多数推理模型的杀伤率。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。