实体 Xiaoyuan Li

Xiaoyuan Li

PulseAugur coverage of Xiaoyuan Li — every cluster mentioning Xiaoyuan Li 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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_44822 · May 22 · 04:00

新的MTR-Bench评估大型语言模型的多轮推理能力

研究人员推出了MTR-Bench，这是一个旨在评估大型语言模型多轮推理能力的新基准。该基准包含四个类别的40个任务，总计3600个实例，并设计为无需人工干预即可进行自动化评估。初步实验表明，当前最先进的模型在这些交互式推理任务上表现不佳，突显了AI系统未来研究的领域。