实体
TriggerBench
TriggerBench
PulseAugur coverage of TriggerBench — every cluster mentioning TriggerBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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
-
新基准TriggerBench揭示LLM的前瞻性记忆挑战
研究人员推出TriggerBench，这是一个旨在评估大型语言模型（LLM）前瞻性记忆（PM）的新基准。与依赖显式查询的回顾性记忆（RM）不同，PM评估LLM在没有直接提示的情况下自发回忆和处理潜在约束的能力。该基准显示，虽然增强的推理能力可以改善主动回忆，但LLM可能会过度拟合简单的“始终提醒”启发式方法，并且在处理隐式约束或过载触发器时遇到困难。此外，PM比RM更具挑战性，随着上下文长度的增加，准确性急剧下降，这表明强大的前瞻性记…
-
新研究探讨多语言LLM缩放、知识整合和专业化评估
研究人员正在开发新方法和基准来提高大型语言模型（LLM）的能力和评估。Google DeepMind 推出了 ATLAS 框架，通过分析语言协同作用来优化多语言 LLM 训练。其他研究探索了低资源语言的结构化数据管道、混合深度集成（MoDE）等新颖的微调方法，以及知识库增强检索以提高事实准确性和透明度。此外，新的基准正在涌现，用于评估 LLM 在核工程等专业领域的表现，以及评估它们在不同语言中的推理能力、弃权能力和安全性。