审计113项研究发现，仅9项测量真实响应，且只有2项直接检验响应预测。
推荐理由：113项研究中仅9项测真实人类对行动的响应，只有2项同时核验显式预测，说明多数评测可能只证明决策有效，并未证明模型真正学会社会反应。
阅读原文