HiEviDR-Bench

新的HiEviDR-Bench基准评估AI在深度研究中的证据聚合能力

研究人员推出了一款名为HiEviDR-Bench的新基准，旨在评估AI模型如何从不同来源选择、链接和综合证据来支持论点和结论。该基准通过关注证据的层级聚合，而非仅仅最终输出质量，来解决现有评估的局限性。HiEviDR-Bench包含2000个经过人类验证的问题，附带明确的证据图谱和一个五维评估框架，以精确找出推理和证据选择中的错误。