实体 XYBench

XYBench

PulseAugur coverage of XYBench — every cluster mentioning XYBench 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_244994 · Sep 10 · 04:00

新基准揭示大型语言模型难以处理用户误解

研究人员推出了XYBench，这是一个旨在评估大型语言模型（LLMs）处理包含误解的查询的能力的新基准，这是一种常见的XY问题。该基准包含来自技术和日常领域的8,115个查询，评估LLMs识别误解和提供务实、预期解决方案的能力。实验表明，即使是领先的LLMs也经常直接回应字面请求而非根本问题，并且与人类相比，在识别用户误解方面存在显著困难。