ホットトピック観察中
学者发布政策变迁推理评测基准DAPE
1 件の報道1 件の報道元1 日前 更新
まずこの件を把握する
AI 概要
2026年11月，研究人员在 arXiv 发布针对政策变迁推理的双轴政策蕴涵基准 DAPE。该基准包含 1,000 对中国政府政策指令的专家标注数据集。评测结果显示，14 款开源模型与 4 款前沿 API 旗舰模型在零样本评测中均表现不佳，其中表现最佳的模型 Cohen's κ 仅约 0.29，远低于 0.53 的人类上限。不过，经 LoRA SFT 微调的千问模型（Qwen3-14B）取得了 κ = 0.524 的成绩，成功追平了 0.527 的人类一致性上限。
AI が報道をもとに生成 · 21 時間前 更新
最新の進展11月3日 13:00
研究提出政策变迁推理基准DAPE，经微调的Qwen3-14B成功追平人类上限。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- arXiv 自然语言处理DAPE：针对政策变迁推理的双轴政策蕴涵基准
研究提出评估政策变迁推理的双轴政策蕴涵基准 DAPE，包含 1,000 对中国政府政策指令的专家标注数据集。14 款开源模型和 4 款前沿 API 旗舰模型零样本评测均表现不佳，最佳模型 Cohen's $\kappa$ 仅约 0.29，远低于人类上限 0.53。经 LoRA SFT 微调的千问（Qwen3-14B）取得 $\kappa = 0.524$，成功追平人类一致性上限（0.527）。
このストーリーのホット度の推移
現在のホット度 5·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。