研究人员开发了一个名为 FORCEBENCH 的新基准,用于评估 cited RAG 系统的证据力校准。该基准解决了“引用洗白”问题,即使用相关来源来支持夸大的说法。FORCEBENCH 测试了评估者在来源材料主题相关的情况下,区分哪些说法得到了适当证据支持、哪些说法被夸大的能力。 AI
排序理由 该集群描述了一篇介绍用于评估 AI 系统的新颖基准的学术论文。[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 →