研究团队推出双源演化推理评测基准DuSE-Bench

1. 13:00
   arXiv 自然语言处理

   DuSE-Bench：评估动态演化对话与文档联合推理能力的基准测试

   研究人员推出双源演化基准 DuSE-Bench，包含 5 个场景下的 1,000 个任务（其中 700 个需结合对话与文档前提），用于评测动态演变对话与文档的联合推理及证据归因。在 11 种基线配置的实验中，联合推理任务的内容准确率最高仅为 56.7%，且回答正确时常缺乏对原始证据的完整归因。该评测数据集已公开发布。

Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-49%

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.