Dual-Axis Policy Entailment

新AI基准测试策略推理，Qwen3 14B微调模型达到人类水平表现

研究人员开发了一个名为“双轴策略蕴含”（Dual-Axis Policy Entailment, DAPE）的新基准，用于评估AI模型在理解政府政策变更方面的能力。该基准使用中国政府政策的专家标注数据，评估政策是否属于同一领域以及它们之间的关系（延续、扩展、缩小或逆转）。初步测试显示，领先的前沿API模型表现不佳，但经过微调的开源模型Qwen3 14B在任务上达到了人类水平的一致性。