实体
Anzhe Xie
Anzhe Xie
PulseAugur coverage of Anzhe Xie — every cluster mentioning Anzhe Xie across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准RWGBench评估AI生成的学术写作
研究人员推出了RWGBench，这是一个旨在评估大型语言模型在相关工作生成（RWG）方面质量的新基准。与关注文本相似度的现有指标不同，RWGBench根据引文决策来评估RWG，这对于学术写作至关重要。该基准由一个大型计算机科学论文语料库构建而成，评估引文选择、上下文适用性、组织和论述。这种方法揭示了当前系统在传统评估中被掩盖的局限性，并与专家判断更吻合。
-
新的数据集 MetaSyn 在科学文献分析任务上对 LLM 智能体进行基准测试 · 追踪 4 个来源
研究人员推出 MetaSyn，一个包含来自 Nature Portfolio 期刊的 442 篇专家策展的荟萃分析的新数据集，旨在对大型语言模型 (LLM) 智能体在科学推理方面的能力进行基准测试。该数据集包括 PI/ECO 标准、140,000 篇 PubMed 文章的语料库以及经过验证的研究，旨在评估文献检索、研究选择和统计汇总的完整流程。对十二种不同 LLM 配置的基准测试显示，筛选过程存在显著瓶颈，当前系统在从干扰项中可靠识别…