**Bluffbench基准逼近饱和：LLM可解读反直觉图表**

_Bluffbench is near saturation: LLMs can interpret counterintuitive plots_

> 约一年前，研究人员发现LLM代理在数据分析和解释反直觉趋势图表时表现不佳。Bluffbench基准测试通过三种条件评估模型：基线、直觉和篡改。近期发布的Gemini 3.5 Flash、Opus 4.8和Fable 5等模型在难度最高的篡改条件下取得显著突破，部分得分超50%，Fable 5甚至接近满分。尽管仍有提升空间，但该基准即将饱和，未来将用于寻找能可靠解读图表的最廉价模型。然而，LLM代理在分析中可靠地整合意外证据仍面临挑战。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-06-21 06:10（北京时间）
- **原文**：[打开原文](https://opensource.posit.co/blog/2026-06-19_ai-newsletter)