PulseAugur
中
实时 07:15:43
实体 CulturalCrosswords

CulturalCrosswords

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

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_352152 ·

    新的基准测试在多语言填字游戏和答案约束方面测试LLM

    研究人员开发了CulturalCrosswords，这是一个新的多语言基准测试，旨在评估大型语言模型如何处理答案约束和网格填充。该基准测试使用了来自42种语言的众包填字游戏，重点关注可能存在多个答案的文化谜语。研究发现，提供答案长度可以显著提高模型与参考答案的一致性，并且要求完成整个网格可以揭示模型能力的巨大差异。