Hugging Face 发布 FutureBench 评测 AI 智能体预测未来事件能力

Hugging Face 发布 FutureBench，旨在通过预测未来事件评估 AI 智能体的推理能力。该基准利用新闻和 Polymarket 数据生成问题，避免数据污染并提供可验证结果。初步测试显示，GPT-4.1、Claude 3.7 和 DeepSeek-V3 在信息搜集和推理策略上存在显著差异。