PulseAugur
中
实时 14:15:36
English(EN) IslamicMMLU: A Benchmark for Evaluating LLMs on Islamic Knowledge

新的IslamicMMLU基准评估LLM在古兰经、圣训和教法方面的能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了IslamicMMLU，这是一个旨在评估大型语言模型在三个核心伊斯兰知识领域（古兰经、圣训和教法）表现的新基准。该基准包含超过10,000个选择题，并用于评估26个LLM，准确率得分范围从39.8%到93.8%。值得注意的是，Gemini 3 Flash取得了最高的平均准确率，而特定阿拉伯语的模型表现参差不齐，且普遍不如前沿模型。该基准还包括一项检测与不同伊斯兰教法学派相关偏见的任务。 AI

影响 该基准将能够更精确地评估LLM在理解和回应伊斯兰查询方面的能力，可能有助于改进宗教和文化背景下的模型。

排序理由 该集群描述了一个用于评估LLM在特定知识领域能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的IslamicMMLU基准评估LLM在古兰经、圣训和教法方面的能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一个用于评估LLM在特定知识领域能力的新的学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
86 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Ali Abdelaal, Mohammed Nader Al Haffar, Mahmoud Fawzi, Walid Magdy ·

    IslamicMMLU：一个评估大型语言模型伊斯兰知识的基准

    arXiv:2603.23750v3 Announce Type: replace Abstract: Large language models are increasingly consulted for Islamic knowledge, yet no comprehensive benchmark evaluates their performance across core Islamic disciplines. We introduce IslamicMMLU, a benchmark of 10,013 multiple-choice …

相关实体

相关话题