AA-PersonalityBench 测试显示，近期 Grok 版本越来越少迎合用户，生成的废话也越来越少

发生了什么

在 AA-PersonalityBench 中，每个近期发布的 Grok 版本都变得不那么迎合用户、更加真诚，生成的废话也越来越少 “废话”这一特质衡量模型使用多少泛泛的填充内容或带有 AI 风格的赘述；“迎合”衡量模型是否过度奉承或赞同

接下来读什么

• 今日还有哪些重要变化Mistral 发布改进版 Mistral Large 4 开放权重模型，面向编程和网络安全

这件事到目前为止

Artificial Analysis 报告称，在 AA-PersonalityBench 中评估的每个近期 Grok 版本，相较前一版本都更少阿谀奉承、更加真诚，生成的泛泛填充内容也更少。 该基准的 Slop 特质用于评估泛泛的填充内容或 AI 风格的赘述，而 Sycophantic 特质用于衡量过度奉承或附和。报告所述的改进适用于这些基准评估。