一个名为TASC的新基准已被开发出来,用于评估对话式AI助手在时效性安全方面的意识。该基准包含超过3400个输入和33个场景,用于测试LLM是否能够识别并根据时间依赖性约束调整其建议,即使在对话后期用户没有明确提及。对13个模型的初步测试显示,助手仅在约30.5%的相关案例中考虑了这些约束,并且在正确计算经过时间的情况下,仍有62.1%的实例未能应用这些约束。 AI
影响 这项研究突显了LLM安全方面的一个关键差距,表明需要改进对话代理中的时间推理和应用能力。
排序理由 该集群包含一篇介绍LLM能力评估新基准的研究论文。[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 →