实体 PLAY2PROMPT

PLAY2PROMPT

PulseAugur coverage of PLAY2PROMPT — every cluster mentioning PLAY2PROMPT 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_160659 · Jul 24 · 04:00

新的AISE-Bench基准挑战LLM在学术知识图谱信息检索方面的能力

研究人员推出AISE-Bench，一个旨在评估大型语言模型（LLMs）从学术知识图谱中检索信息能力的新基准。该基准通过整合真实的用户意图、复杂的多步API规划以及带有引用的接地答案，解决了现有工具的局限性。AISE-Bench包含超过1100个问答对，附带详细的API执行轨迹和全面的评估协议。初步测试表明，即使是像PLAY2PROMPT（使用Gemini-3-Pro）这样的先进模型，也只取得了中等水平的性能，凸显了LLM代理在API规…