热点事件持续更新
研究团队推出双源演化推理评测基准DuSE-Bench
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 11 小时前更新
最新进展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%。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。
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。