🤖 MediationBench: тестируют ИИ-медиаторов в 62 смоделированных конфликтах
Jonathan Hendler выпустил бенчмарк, где языковые модели играют обе стороны в 62 сценарных спорах — от разрыва партнёрства до кредитного конфликта, — а тестируемая модель работает медиатором: после каждого сообщения решает, говорить, ждать или завершить разговор. Счёт 0–100 ставит судья GPT-5.6 Sol.
🌍 Первый публичный протокол аудита AI-медиации: фиксированный набор споров, 38 конфликтов в holdout, статус provisional снимается при оценке 3+ судьями. Разработчики и регуляторы получают измеримый способ сравнивать модели-посредники до реальных споров.
👤 В лидерборде лидирует Claude Opus 5 (71.2), результаты предварительные; доступны черновик статьи и пример диалога. Учтите: все стороны — ИИ, это замер симуляции, а не работы с реальными людьми.
Источник 1: https://mediationbench.com/ Источник 2: https://mediationbench.com/research/