实体 HumRightsBench

HumRightsBench

PulseAugur coverage of HumRightsBench — every cluster mentioning HumRightsBench 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_195969 · Aug 12 · 04:00

新基准测试评估大型语言模型在人权法推理方面的能力

研究人员开发了一种新的方法来评估大型语言模型（LLM）在国际人权法推理方面的能力。这项名为HumRightsBench的试点方法，改编了IRAP法律推理框架，并使用专家标注的场景来评估LLM的性能。基准测试显示模型准确性存在显著差异，总体得分从0.339到0.577不等，凸显了在该关键领域进行专门评估的必要性。