研究者发布UDHRBench人权对齐基准

研究者 Alak Raad 等发布 UDHRBench，一个用《世界人权宣言》全部 30 条条款、共 1,124 道问题评测大语言模型人权合规性的基准，并配套数据集与 LLM-as-a-Judge 框架。据作者称，数据集、标注与代码将作为开源资源发布。 评测对象为 ChatGPT、Grok、Gemini 和 Fanar 四个大语言模型；研究获得 4,496 条由专家人工标注的回复，标注者间一致性 κ=0.801。该基准用于把大模型对人权的合规评估操作化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。