实体 LLMScholarBench

LLMScholarBench

PulseAugur coverage of LLMScholarBench — every cluster mentioning LLMScholarBench 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_68400 · Jun 3 · 04:00

新的基准测试审计大语言模型学者推荐和用户干预

研究人员开发了LLMScholarBench，这是一个旨在审计用于学术专家推荐的大语言模型（LLM）的新基准。该基准评估了LLM的内在能力以及用户在推荐过程中干预的影响。在物理学专家推荐方面对22个LLM进行的实验表明，诸如温度调整、关注多样性的提示以及检索增强生成（RAG）等干预措施各有独特的权衡，影响着事实准确性、多样性和代表性等指标。