研究人员推出了CommunityFact，这是一个新的基准，旨在评估大型语言模型在动态、多语言和多领域在线环境中检测错误信息的能力。该基准包含五种语言和两个领域的超过15,000个声明，评估了具有不同推理时间能力（如网络搜索）的LLM。研究结果表明，虽然网络访问显著提高了性能，但LLM的来源选择通常与人类评估者的一致意见不同，这表明需要改进检索机制。 AI
影响 该基准可以推动LLM事实核查和来源选择的改进，这对于打击在线错误信息至关重要。
排序理由 该集群描述了一篇介绍用于评估AI模型基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.30241v1 Announce Type: new Abstract: Misinformation verification increasingly occurs in public, fast-moving, and multilingual online settings, where static benchmarks provide an incomplete measure of model reliability. We introduce CommunityFact, a refreshable benchmar…
Misinformation verification increasingly occurs in public, fast-moving, and multilingual online settings, where static benchmarks provide an incomplete measure of model reliability. We introduce CommunityFact, a refreshable benchmark for misinformation detection in the wild, with…