热点事件持续更新
研究团队提出大模型细粒度诊断评估框架TIDE
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月22日，研究团队在arXiv发布论文，提出基于行为驱动决策树归纳的细粒度模型诊断评估框架TIDE。该方法通过LLM裁判生成候选切分并借助信息增益进行筛选，递归构建分层能力树，用以揭示单一聚合分数无法展现的模型底层能力差异。在针对4个基准和5个模型的测试中，TIDE展现了具体的细分能力对比：Claude Opus 4.6在微观经济市场推理上的准确率达到100%，优于GPT-5.4的83.3%；但在合同法推理上，Claude Opus 4.6的准确率为77.8%，落后于GPT-5.4的88.9%。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究团队提出基于决策树归纳的细粒度评估框架TIDE，揭示不同模型在细分领域的具体能力差异。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 人工智能TIDE：基于模型行为的树状细粒度诊断性评估框架
研究团队提出基于行为驱动决策树归纳的细粒度模型诊断评估方法 TIDE，通过递归构建分层能力树来揭示单一聚合分数无法展现的底层能力差异。该方法利用 LLM 裁判生成候选切分并由信息增益筛选，在 4 个基准和 5 个模型的测试中发现，Claude Opus 4.6 在微观经济市场推理上达 100% 优于 GPT-5.4 的 83.3%，但在合同法推理上以 77.8% 落后于后者的 88.9%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。