English(EN) WildSEEK: Evaluating Language Models for Information-Seeking

新数据集WildSEEK评估LLM的信息搜寻风险

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

一个名为WildSEEK的新数据集已被开发出来，用于评估语言模型在真实世界信息搜寻查询中的表现。该数据集包含超过3000个手动标注的查询，重点关注健康和金融等风险敏感领域，并区分了事实型查询和分析型查询。使用在WildSEEK上训练的分类器对超过180万个用户查询进行的分析显示，超过三分之一的查询属于高风险和分析型，而LLM的响应在谄媚行为、过度依赖、以美国为中心的偏见以及对弱势群体的处理不当等方面经常出现问题。 AI

影响为评估LLM在信息获取方面的可靠性、安全性和公平性提供了一个框架，这对于负责任的部署至关重要。

排序理由该集群包含一篇介绍语言模型新数据集和评估框架的研究论文。

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: 29 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇介绍语言模型新数据集和评估框架的研究论文。
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, safety; 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) · Tanise Ceron, Joachim Baumann, Elisa Bassignana, Berat Cabuk, Dirk Hovy, Debora Nozza · 2026-09-01 04:00

WildSEEK：评估语言模型的信息检索能力

arXiv:2608.30683v1 Announce Type: new Abstract: Language models are increasingly mediating information access to end users, urging a systematic evaluation of their responses for a fair and reliable information ecosystem. Existing evaluations, however, are often topic-specific or …

本文如何被排名

报道来源 [1]

WildSEEK：评估语言模型的信息检索能力

相关实体

相关话题