根据推特用户God of Prompt的分析，将AI模型的temperature参数从0.7降低到0.3，在TruthfulQA评测中“真实”分数提升了17%，但这并未提升真实准确性，只是让模型更保守、更多使用“我不知道”等表述（来源：twitter.com/godofprompt/status/2011366460321657230）。这暴露了TruthfulQA基准测试的局限性，其主要衡量AI回答的保守程度而非实际准确率，对AI企业在实际业务中的表现评估和信任度产生重要影响。

根据李飞飞博士在推特上的消息，BEHAVIOR开源基准为具身AI与机器人行业提供了一个评测和开发平台，专注于与人类实际需求相关的日常家务任务（来源：x.com/drfeifei/status/1962971299246178664）。该基准提供标准化任务和评价体系，帮助AI研究者和机器人企业测试及对比其解决方案在复杂长期任务中的表现。首届BEHAVIOR挑战赛将于2025年NeurIPS举办，截止日期为11月15日，设有现金奖励，为初创企业和成熟公司展示具身AI创新提供了商业机会（来源：x.com/drfeifei/status/1997720072761352284）。该项目有望加速具身AI的发展，推动智能家居机器人和辅助自动化市场的实际落地。