实体 EviScope

EviScope

PulseAugur coverage of EviScope — every cluster mentioning EviScope 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_257033 · Sep 16 · 04:00

新的 EviScope 基准测试使用反事实证据来检验 LLM 的忠实度

研究人员推出 EviScope，这是一个旨在评估地面语言模型的忠实度和效率的新基准。与仅关注答案准确性的传统方法不同，EviScope 使用配对反事实证据来评估模型如何处理证据，方法是添加、删除、矛盾或分散证据的注意力。这种方法揭示了标准评估隐藏的模型特定地面行为，突出了不支持的回答和冲突盲点等问题。