VARM-Bench

新基准VARM-Bench评估AI在中文辱骂性言论审核中的推理能力

研究人员推出了VARM-Bench，这是一个旨在评估AI模型在审核中文辱骂性言论时可验证结构化推理能力的新基准。与之前侧重于分类或归类的基准不同，VARM-Bench在每个实例中为六个关键审核决策提供了明确的锚点，包括目标、目标类型、作者立场和有害性标签。该基准采用确定性协议来评估这些审核记录的正确性和完整性，旨在确保可审计和可复现的评估，超越简单的标签准确性。