引入了一个名为DiscoBench的新基准，用于评估搜索代理（特别是由LLM驱动的代理）处理模糊查询的能力。DiscoBench评估这些代理识别模糊性、提出澄清性问题以及通过用户交互恢复正确推理路径的有效性。实验表明，代理经常在模糊性检测方面遇到困难，并且重复搜索可能不如寻求澄清甚至猜测有效，这突显了当前代理在交互式问题解决能力方面的差距。 AI
影响 强调了LLM代理在交互式问题解决和模糊性解决方面的关键能力差距。
排序理由 该项目描述了一个用于评估LLM能力的新学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Clarification Questioning
- DirectGuess
- DiscoBench
- Google Deep Search
- Information-Seeking Tasks
- LLMs
- Search Agents
- SearchHeavyGuess
- SearchThenAsk
- User Simulator
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
