热点事件持续更新
研究者发布跨语言决策评测基准XDecideBench
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 8 小时前更新
最新进展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。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 7·可比范围峰值 9（11月3日 18:00）·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。