English(EN) Arctic Questions, Missing Answers: A Dataset and Benchmark for LLM Abstention in Arctic Science

新的数据集和基准测试评估大型语言模型在北极科学中的弃答能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

研究人员推出了 ArcticQA，一个包含 194 个关于北极科学的多项选择题的新数据集，旨在评估大型语言模型（LLM）的弃答能力。同时，他们开发了 ArcticAbstain，一个专门测试模型在未提供正确答案或正确答案被干扰项替换时弃答能力的基准测试。测试了来自 Gemini、Claude 和 ChatGPT 系列的八个模型，结果显示它们在弃答率和对答案可用性的响应方面存在显著差异。 AI

影响强调了大型语言模型在信息不可用时准确弃答的必要性，这是可靠科学推理的关键能力。

排序理由该集群描述了一篇介绍用于评估大型语言模型能力的数据集和基准测试的新学术论文。[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: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍用于评估大型语言模型能力的数据集和基准测试的新学术论文。[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, model release; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Benjamin Wilcox, Dawei Gao, Pradeeban Kathiravelu, Douglas Causey, Kewei Sha, Yunhe Feng · 2026-10-08 04:00

北极的疑问，缺失的答案：一个用于LLM在北极科学中弃权的数据集和基准

arXiv:2610.09446v1 Announce Type: new Abstract: Large language models (LLMs) should abstain from scientific multiple-choice questions when no option is valid, but frequent abstention alone does not demonstrate sensitivity to answer availability. We introduce ArcticQA, a dataset o…

本文如何被排名

报道来源 [1]

北极的疑问，缺失的答案：一个用于LLM在北极科学中弃权的数据集和基准

相关实体

相关话题