MIT等提出HugAgent：评估LLM预测个人信念更新

MIT等机构研究人员提出HugAgent基准，让大模型基于对真实个体的访谈、问卷和ThinkYourThinking开放式对话，预测其在全民医疗、公共监控、住房加密等新情境下的回答，论文入选EMNLP 2026 Main Oral。 评测覆盖54名参与者和1,742个题目，测试了GPT、Claude、Gemini、DeepSeek、Llama、Qwen等模型。表现最好的Claude Sonnet 4.5达到68.61%，LLaMA 3.3 70B为67.57%，GPT-4o为63.11%，而实验上界为85.66%。 随模型迭代，Belief State Inference（信念状态推断）准确率从68.84%升至73.02%、再到77.17%，但Belief Dynamics Update（信念动态更新）未同步提升，说明模型尚不能可靠预测个人在新情境下如何更新立场。

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。