一个名为NarrativeBench的新基准已被开发出来,用于评估大型语言模型(LLMs)在跨语言处理多元叙事方面的能力,特别是在有争议的话题上。该基准包含23种语言的1,333篇新闻文章和460个基于Reddit的查询。对14个大型语言模型的评估显示,它们在呈现多元视角、保持叙事覆盖面和跨语言信息对等性方面存在显著缺陷,可能导致回音室效应和信息差距。 AI
影响 凸显了大型语言模型在提供跨语言均衡信息获取方面的关键局限性,可能加剧社会分歧。
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基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →