新的XHotpotQA基准测试AI的跨语言知识组合能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-31 04:00

研究人员推出了XHotpotQA，这是一个旨在评估多跳问答系统中跨语言知识组合能力的新基准。与翻译整个示例的先前基准不同，XHotpotQA明确为问答过程的不同组件分配语言，包括问题、桥接证据和包含答案的证据。该基准包含15,661个训练实例和7,405个验证实例，并提供详细的句子级支持监督和干扰项。初步评估表明，语言和脚本接口之间的不匹配会显著降低性能，凸显了需要整合来自不同语言信息的人工智能系统所面临的挑战。 AI

影响该基准将有助于研究人员开发能够整合不同语言信息的人工智能系统，这对于全球知识获取至关重要。

排序理由该项目描述了一个用于评估AI模型的新学术基准。[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 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目描述了一个用于评估AI模型的新学术基准。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Iman Barati, Arash Ghafouri, Behrouz Minaei-Bidgoli · 2026-08-31 04:00

XHotpotQA：多跳问答中跨语言知识组合的基准测试

arXiv:2608.27481v1 Announce Type: new Abstract: Knowledge-intensive multi-hop question answering requires systems to select evidence and compose dependent facts, yet multilingual benchmarks usually translate an entire example into one language. This hides failures at language bou…

本文如何被排名

报道来源 [1]

XHotpotQA：多跳问答中跨语言知识组合的基准测试

相关实体

相关话题