实体 SocietyBench

SocietyBench

PulseAugur coverage of SocietyBench — every cluster mentioning SocietyBench 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_183285 · Aug 5 · 04:00

新的SocietyBench基准测试LLM预测反事实社会事件的能力

研究人员推出SocietyBench，这是一个新颖的基准，旨在评估大型语言模型（LLM）预测反事实社会世界演变的能力。与专注于任务完成的现有基准不同，SocietyBench通过呈现事实事件和公众舆论的时间线，然后提出预测问题来评估LLM对社会动态的理解。为防止模型依赖预训练记忆，对命名实体和日期进行了修改，创建了结构相似但反事实的场景。该基准包括中文和英文版本，最强的LLM在两个正交轴上（概率校准和时间准确性）仅获得100分中的75…