人物
Sean Campbell
AI开发者，Escalation Benchmark的设计者，专注于研究AI模型的元认知能力与校准性评估
时间轴 (近 90 天)
10月12日
开发者Sean Campbell设计了一个名为Escalation Benchmark的评测体系，衡量模型在面对无法回答的问题时是否会选择ESCALATE（上报/移交）而非硬编答案
待验证50%
10月12日
作者建议模型排名应按最差的形态（地板/floor）排名，而非按平均值排名
待验证50%
10月12日
作者在本机以温度零测试了5个从1B到8B的本地模型，每一个都在至少一整个形态上交出100%虚假自信率
待验证50%
10月12日
作者的方法论总结为：按下限而非平均值给模型排名，把系统构建成不需要模型自知并用代码校验其每句话，并用同一套基准给自己打分
待验证50%