UnpredictaBench: A Benchmark for Evaluating Distributional Randomness in LLMs

En 3 lignesUnpredictaBench évalue la capacité des LLM à capturer les vraies distributions sous-jacentes via 448 problèmes (distributions statistiques, programmes stochastiques, scénarios naturels). La métrique KS@N utilise le test de Kolmogorov-Smirnov. Aucun modèle ne dépasse 40% à KS@100, révélant un déficit majeur en simulation distributionnelle.

Résumé généré par Claude — vérifié par l'humain