决策模型电车难题评测发布

开发者 zlandes86 发布了一项电车难题评测，对 Jev（jev-1.13.0）、OpenAI GPT-6 Luna 和 12 个本地决策模型进行对比，采用 24 种措辞和两种描述顺序测试模型选择。其中 Jev 和 Luna 各跑三遍，其余 12 个本地模型各跑一次。 作者明确表示，不建议据此对 AI 安全得出广泛结论，并指出这些只是描述性计数，并非 48 次独立试验，也不构成统计上显著差异的排名。此外，Luna 的 API 仅接受两项是/否选择，而不是带评判标准的请求，这一接口差异可能影响其回答与其它模型的直接可比性。

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。