System One模型有了测试框架，但"直觉AI"能考几分？

最近刷到一个开源项目System One Harness (SOH)，专门给System One模型做评测——模拟人类快思考、闪电判断的那类AI。我盯着它的主页看了半天，一个核心问题冒出来：直觉这个东西，真能被标准化打分吗？Kahneman把认知拆成快慢两路，System 1代表不假思索、转瞬即逝的决策，而评测框架的套路永远是输入-输出-算分。这中间有个硬伤：如果你的模型本质上在"模仿"直觉，那测出来的分数，反映的是直觉能力还是模仿技巧？SOH刚挂GitHub，1赞0评，社区几乎没反应。不是这框架没用，而是大家可能还没想清楚——用现有范式给直觉AI定分，测的到底是模型，还是评测方法本身的局限。

原文：Show HN: System One Harness (SOH), the harness for System One models · 来源：Hacker News