热点事件持续更新
HouseholdBench：LLM家庭经济行为预测评测基准
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，研究者在arXiv（Computation and Language）发布评测基准 HouseholdBench，用于评估大语言模型对家庭经济行为的预测能力。该基准整合6项美国家庭调查与32项预测任务，覆盖消费、收入、劳动、预期与住房等领域，结果形式包括数值、类别和概率。评测显示，多数专有与开源LLM优于无变化基线，最佳模型将数值结果误差降低12.2%；但梯度提升树在多数任务中仍居第一，专有LLM接近其表现，开源模型落后。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
HouseholdBench发布：LLM优于无变化基线，但梯度提升树在多数任务中仍领先。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Computation and LanguageHouseholdBench：评估大语言模型对家庭经济行为的预测能力
研究者推出评测基准 HouseholdBench，整合 6 项美国家庭调查与 32 项预测任务，覆盖消费、收入、劳动、预期与住房等数值、类别和概率结果。评测显示，多数专有与开源 LLM 优于无变化基线，最佳模型将数值结果误差降低 12.2%，但梯度提升树在多数任务中仍居第一，领先专有 LLM 接近其表现，开源模型落后。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。