ホットトピック継続更新中
研究者发布跨语言决策评测基准XDecideBench
1 件の報道1 件の報道元21 時間前 更新
まずこの件を把握する
AI 概要
2026年11月，研究人员发布了跨语言评测基准XDecideBench，用于评估类型化决策模型与置信度策略。该基准涵盖122种语言、88,425篇文本与153,875个类型化问题。测试结果显示，英语表现最优的模型在约四分之一的套件语言组合中显著落后；微调的3个开源模型在12种开发语言中均击败了基座Qwen模型。此外，评测还发现置信度策略存在跨语言泛化问题，在英语上允许5%错误率的置信度阈值，在XNLI德语和法语测试中实际错误率均超出设定标准。
AI が報道をもとに生成 · 17 時間前 更新
最新の進展11月3日 13:00
XDecideBench基准发布，测试显示英语最优模型及置信度阈值在多语言场景下表现均存在显著落后与超标现象。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XDecideBench：跨语言评估类型化决策模型与置信度策略
跨语言评测基准 XDecideBench 包含 122 种语言、88,425 篇文本与 153,875 个类型化问题，用于评估决策模型与置信度策略。测试显示英语最优模型在约四分之一的套件语言组合中显著落后，而微调的 3 个开源模型在 12 种开发语言中均击败基座 Qwen 模型。此外，在英语上允许 5% 错误率的置信度阈值在 XNLI 德语和法语测试中均超标。
このストーリーのホット度の推移
現在のホット度 6·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。