TIDE模型诊断评估方法提出

发生了什么

据arXiv cs.LG报道，研究人员提出TIDE大模型行为驱动细粒度诊断评估方法。该方法通过行为驱动的决策树归纳，从基准样本和模型分数中递归构建层级能力树，实现细粒度能力诊断。研究在四个基准上对五个模型应用TIDE，发现Claude Opus 4.6在微经济市场推理上表现优于GPT-5.4，但在合同法推理上表现相反。TIDE旨在利用评估结果中的丰富行为信号理解模型能力。