研究人员推出了反事实基准(CoBe),这是一个旨在测试AI模型执行反事实文本编辑能力的新数据集。这涉及到基于假设性更改来修改文本,同时保留不相关的事实,这项技能对于医疗和法律等敏感领域的推理至关重要。目前的前沿模型在这方面存在困难,通常会默认进行关联生成而不是因果推理,平均得分约为58%。性能与模型大小或输出长度不一定相关,这表明训练目标可能是限制因素。 AI
影响 该基准测试有望推动AI在细微推理能力方面的改进,这对于安全关键领域的应用至关重要。
排序理由 该集群描述了一篇介绍AI模型评估基准的学术论文。[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 →