arXiv发布PresenceBench评估模型状态适应
发生了什么
据arXiv论文，研究提出PresenceBench以评估大模型对准备度、心流和稳定性等用户状态的适应能力。测试涵盖Claude Sonnet 5、DeepSeek V4 Pro、Gemini 3.6 Flash和GPT-5.6 Terra四款模型。结果显示所有模型在提供合成状态时均获得高于0.5的人类偏好得分，但特异性指标未获证实。策略交付降低了成本与Token消耗，但未确立正确性非劣效性。
- 测试模型数
- 4
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口