human-baseline

Vals AI RSI指数显示，Opus 5.5 AI模型在五项任务中的一项击败了已发布的人类基线，从而将实现完全RSI的预测日期从2027年8月调整为2027年7月。

据报道，GPT-5.6 Sol 在无工具条件下以 pass@5 达到 ZeroBench 人类基线，这意味着在基准测试中五次尝试中至少有一次成功。

本文对六种大型语言模型在英语、韩语、中文和日语中的性别刻板印象进行审计，并以人类基线作为锚定。研究发现，LLM的刻板印象程度往往超过人类跨国差异，且可能跨语言叠加，为此引入了一个四模式框架来表征此类行为。