PulseAugur
中
实时 12:18:37
实体 LegalBench SARA

LegalBench SARA

PulseAugur coverage of LegalBench SARA — every cluster mentioning LegalBench SARA across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_344271 ·

    AI基准存在缺陷:策略式评估中的错误被揭露

    一篇题为《遵循策略,评估失败》的新论文强调了用于评估AI系统的策略式决策基准中存在的重大缺陷。研究人员发现,这些基准经常错误陈述所需决策,包含未经支持的目标,并在参考文献中存在错误,导致评分不准确。通过重新评估模型在LegalBench SARA和RuleArena Tax等现有基准上的响应,该研究表明,纠正评分错误可以显著提高模型接受率,并缩小观察到的性能差距。作者提出了BAR(基准审计与修订),这是一套审计证据和修订的集合,以解决…