PulseAugur
中
实时 11:57:09
实体 Bonafide

Bonafide

PulseAugur coverage of Bonafide — every cluster mentioning Bonafide across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_51253 ·

    新基准揭示LLM忠实度指标存在重大缺陷

    一个名为BonaFide的新基准已被开发出来，用于评估用于评估大型语言模型推理的忠实度指标。该基准包含13个任务和10个模型的3,066个标记的思维链，揭示大多数现有的忠实度指标表现不佳，通常接近随机水平。这些指标还表现出偏差，并随着思维链的增长而退化，凸显了当前评估方法中的重大差距，以及对更可靠、更有效的替代方案的需求。