实体
Ψ-Bench
Ψ-Bench
PulseAugur coverage of Ψ-Bench — every cluster mentioning Ψ-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
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 2 条
-
Meta 发布用于代理任务的开源 Muse Glimmer 模型
Meta 发布了 Muse Glimmer，一个基于 Apache 2.0 许可的新型 30B 参数开源模型。该模型专为端到端代理任务完成、可靠的工具使用和多步推理而设计，在 DeepSearch QA 和 SWE-Bench 等基准测试中表现强劲。然而，其内存需求（压缩后约 24-32 GB）可能会限制其在许多消费级笔记本电脑上的本地使用，而早期基准测试表明其效率可能低于 Qwen 等竞争对手。
-
新基准Ψ-Bench测试LLM的说服性对话能力
研究人员推出了Ψ-Bench，这是一个旨在评估大型语言模型（LLM）在对话环境中说服能力的新基准。该基准侧重于对角色敏感的影响，即LLM主动引导用户，而不是被动回应偏好。对10个前沿LLM的评估显示，虽然模型可以生成连贯的论点，但在说服方面仍有很大的改进空间。研究还发现，为LLM提供用户画像可以使它们的表现平均提高18.24%，这凸显了用户特定信息对于有效影响的重要性。