研究人员开发了一个名为“双轴策略蕴含”(Dual-Axis Policy Entailment, DAPE)的新基准,用于评估AI模型在理解政府政策变更方面的能力。该基准使用中国政府政策的专家标注数据,评估政策是否属于同一领域以及它们之间的关系(延续、扩展、缩小或逆转)。初步测试显示,领先的前沿API模型表现不佳,但经过微调的开源模型Qwen3 14B在任务上达到了人类水平的一致性。 AI
影响 该基准有望催生更强大的AI系统,能够理解和分析复杂的政策变动,这对于法律科技、公共管理和地缘政治分析等应用至关重要。
排序理由 该集群描述了一个新的学术基准以及对AI模型在策略推理方面的评估,发布在arXiv上。[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 →