实体 InsClaimBench

InsClaimBench

PulseAugur coverage of InsClaimBench — every cluster mentioning InsClaimBench 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_286834 · Oct 8 · 04:00

新基准揭示大型语言模型在保险理赔裁决方面存在困难

一项名为InsClaimBench的新基准测试已被开发出来，用于评估大型语言模型在保险理赔裁决方面的性能。该基准测试包含汽车、财产和健康保险的3,780个案例，评估模型连接证据、规则、判决和赔付计算的能力。对六个大型语言模型的评估显示，在决策链中可靠性有所下降，赔付决策准确率在74.23%到80.19%之间，而联合决策金额准确率则降至47.54%到73.15%。研究强调，尽管模型在单个规则上可能表现良好，但它们在整个裁决过程中一致地传…