实体 QuanTemp

QuanTemp

PulseAugur coverage of QuanTemp — every cluster mentioning QuanTemp 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_203246 · Aug 16 · 15:50

新的 QuanTemp 基准测试用于检验 AI 事实核查器在数字推理方面的能力

QuanTemp 是一个旨在评估事实核查模型处理数字声明能力的新基准测试。它包含来自 45 个事实核查机构和 423,320 条片段语料库的 15,514 个数字声明。该基准测试旨在区分数字推理能力的真正提高和因搜索结果更好而带来的侥幸成功，尽管目前顶级模型的宏观 F1 分数为 58.32。