我们发布了一个包含28项AI研究倾向的测评电池，配备专家撰写的评分标准、合成数据集以及标注的需求区间，构建方法参考Romero‑Alvarado等（2026）。
这些倾向覆盖了可能影响AI系统和人类行为的通用因素，灵感来源于心理测量、心理学和行为学研究，使实验结果能够在已有的人类行为构念框架下解释。
评分标准可用于为现有基准中的条目打标签，判断其是否涉及某一倾向。为便于快速画像，合成数据集被设计为对单一倾向高度敏感，使用时只需选择对应数据即可快速得到倾向概况。
我们还提供了需求区间的注释，帮助研究者在不同强度下评估模型表现，并提出了后续倾向研究的若干方向，包括扩展倾向集合、跨模态评估以及与实际任务的关联分析。
点评