Anthropic TASTE 基准显示模型在模糊判断任务上接近随机

作者援引论文《Automated Alignment is Harder Than You Think》和 Anthropic 的 TASTE 基准，认为当前模型在定性判断等模糊任务上接近随机水平，快速进展缺乏证据且不确定性很大。论文 arXiv:2605.06390 将模糊任务定义为缺乏明确评估标准、且人类判断本身系统性不可靠的任务，并指出这类领域数据少、难以测量。