实体 date-math-bench

date-math-bench

PulseAugur coverage of date-math-bench — every cluster mentioning date-math-bench across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_170931 · Jul 29 · 15:29

大型语言模型在日期计算方面存在困难，新的基准测试揭示了这一点

一个名为 date-math-bench 的新数据集和测试工具揭示了大型语言模型难以进行基本的日期算术。在每种模型 101 个随机问题中，常见的错误包括错误计算经过天数与序数日计数，以及错误预测下一周的星期几。特别是，对于 Claude Haiku、GPT-4o-mini 和 Llama 3.3 70B 等模型来说，工作日计算被证明是一个重大的盲点，而 Claude Sonnet 和 Qwen3-27B 在此类别中表现完美。