ホットトピック継続更新中
研究团队推出双源演化推理评测基准DuSE-Bench
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3日，研究人员推出双源演化基准 DuSE-Bench，用于评测动态演变对话与文档的联合推理及证据归因能力。该基准包含5个场景下的1,000个任务，其中700个任务需结合对话与文档前提。在针对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%，且模型在回答正确时常缺乏对原始证据的完整归因。目前，该评测数据集已公开发布。
AI が報道をもとに生成 · 16 時間前 更新
最新の進展11月3日 13:00
研究团队推出评测基准DuSE-Bench并公开发布，实验显示联合推理最高准确率仅56.7%。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。
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。