Rehearsals × DeepMind × Kaggle：Human Behavior Bench，Engram 1.0 领先前沿模型
Rehearsals 与 Google DeepMind、Kaggle 发布 Human Behavior Bench：用 1244 名美国成人问卷构造 1199 道「人群分布预测」题；自研 Engram 1.0 分布一致度 94.1，高于 Gemini 4 Argon 80.6、GPT-5.6 Sol 79.5、Claude Opus 5.5 79.3。
基准问的是：给定人群画像，模型能否预测该人群在封闭选项上的真实答题分布（健康、金融、消费、价值观等）。地面真值来自 2026 年 6–9 月第一方面板；任务刻意选「亚群答案偏离总体」的题目。评分用 100×(1−总变差距离)。公开/私有约 20/80 切分，底座模型经 Kaggle harness 评；Engram 走 Rehearsals 自建评测，用「真人数字孪生」投票再汇总分布，而非让 LLM 直接吐概率。
榜单（V1.0）：Engram 1.0 94.1；其后为 Gemini 4 Argon、GPT-5.6 Sol、Claude Opus 5.5、Gemini 3.8 Flash、GPT-6 Astra、Grok 4.6。官方指出通用 LLM 在产品/营销题上常猜错众数、把强烈偏好「抹平」，且彼此更像同一物种而非真人。公开提交计划后续开放；V1 仅覆盖美国成人群体分布，不测个人预测或跨境。
