一个名为CIVI的新框架已被开发出来,用于诊断公民信息搜索代理的失败,特别是那些由大型语言模型驱动的代理。该框架涵盖了国际政府背景和联合国标准,发现十个评估的前沿搜索代理均未达到人类基线性能。CIVI还引入了ARISE,一种将观察到的失败的72.1%归因于检索问题而非模型核心知识限制的方法。 AI
影响 该框架可以提高人工智能代理在公共部门应用中的可靠性,减少不正确信息造成的潜在危害。
排序理由 该集群包含一篇学术论文,介绍了一种用于评估人工智能系统的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →