arXiv 自然语言处理· Yuqin Dai, Zhanwei Zhang, Honghui Yang, Zhouheng Yao, Yueqi Zhang, Jingyu He, Chaoyang Shi, Fanding Wei, Boyuan Pan, Kai Xu, Yao Hu, Yongliang Shen·· 10 時間前AI スコア36
CARTBench：基于评分标准的复杂时序购物建议评测基准
CARTBench: Rubric-Based Evaluation of Shopping Advice for Complex and Ambiguous Requests with Timelines
未翻訳のため中国語で表示しています。
AI ガイド
研究团队推出购物评测基准 CARTBench，依托 17 个零售领域与 1,603 条商品记录，用于评估大语言模型处理复杂、模糊时序需求的能力。该基准包含 Core、Excellence 和 Safety 维度的 1,328 条专家准则，评测了 GPT-6.1-Sol、Claude-Opus-5 等 10 款商业及开源模型。
出典：arXiv 自然语言处理 · arxiv.org