引入了一个新的基准测试 StreamProfileBench,用于评估大型语言模型 (LLM) 从连续到达的内容中推断用户画像的能力,这项任务是当前静态评估所忽略的。该基准测试包含一个数据集,其中包含来自 7,000 多名真实用户在五个平台上的 120,000 多条用户生成内容帖子。对 14 个 LLM 的实验显示,模型在连续更新用户画像方面存在困难,表现出保留旧兴趣的偏见,并且未能识别衰退的兴趣。 AI
影响 凸显了 LLM 在实时系统中适应不断变化的用��兴趣方面的局限性。
排序理由 该集群描述了一篇介绍用于评估 LLM 的基准测试和数据集的新学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →