热点事件持续更新
研究团队推出北极科学LLM弃权评测基准ArcticAbstain
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月8日，研究团队推出北极科学问答数据集 ArcticQA 及评测基准 ArcticAbstain，用于评估大语言模型在无有效选项时的弃权表现。本次评测针对 Gemini、Claude 和 ChatGPT 家族的 8 个模型，共记录了 9,312 次回答。测试结果显示，在存在有效答案时，各模型的弃权率在 0.0% 至 63.0% 之间；而在移除正确答案后，模型的弃权率平均仅上升了 5.05 个百分点。
AI 根据报道生成 · 4 小时前更新
最新进展10月8日 12:00
研究团队推出ArcticQA与ArcticAbstain，评测显示移除正确答案后模型弃权率平均仅增5.05个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 自然语言处理北极科学大语言模型弃权能力评测：ArcticQA 数据集与 ArcticAbstain 基准
研究团队推出北极科学问答数据集 ArcticQA 及评测基准 ArcticAbstain，用于评估大语言模型在无有效选项时的弃权表现。评测针对 Gemini、Claude 和 ChatGPT 家族的 8 个模型并记录了 9,312 次回答。测试显示有答案时模型弃权率为 0.0% 至 63.0%，而在移除正确答案后弃权率平均仅上升 5.05 个百分点。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。