FairStress: A deeper evaluation of fairness in LLM decision-making
AllenAI 搞了个叫 FairStress 的公平性评测，专门测 LLM 做决策时会不会偏心，做模型评估的可以看看。
AllenAI 在 Hugging Face 上发布 FairStress 项目，聚焦 LLM 在决策场景中的公平性评估。该项目指出常见公平性测试对模型压力不足，提出更深入的评估方法。FairStress 面向 LLM 做决策时的偏见表现进行系统测试。评测细节和结果可在 AllenAI 的 FairStress 页面查看。
Allen AI 做了个叫 FairStress 的评测，专查模型会不会因为用户身份就推翻本来有理有据的判断，连解释过程也一起打分。
Sara Hooker 在 PyTorchCon 拆解了为什么堆预训练规模不是唯一出路，还用 AutoScientist 案例演示自适应计算怎么落地，做模型的都该看看。
Anthropic 用 Claude 设计出能结合蝎子神经毒素的蛋白质，还发到了 Science，看看 LLM 做蛋白质设计能走多远。
Artificial Analysis 把各家模型按 30 项人格特质聚类，GPT-6 居然和 Claude 一族，挺有意思的视角。
SF Research 把记忆型智能体的老方法重新跑了一遍，发现换个任务顺序成绩就崩，还给出能挽回 31% 损失的改进办法，做 Agent 的人都该看看。
RUC 和 BAAI 做了个专门测科研智能体文献发现能力的基准 SciResearchBench，被 NeurIPS 2026 接收，做科研 Agent 评测的可以看看。
