热点事件持续更新
研究人员推出孟加拉语宗教文献评测基准BILAL-BENCH
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11月，研究人员发布了BILAL-BENCH评测基准，包含240道经专家验证的问题，专门用于评估大语言模型在孟加拉语环境下伪造伊斯兰文献的行为。研究人员对7款参数量在1B至120B之间的开源大模型进行了测试，并对1,680份回答实施了双重标注。结果显示，其中6款模型在文献生成任务中的自信伪造率高达79.3%至95.3%，且该伪造行为未随模型规模增大而单调改善。各项任务中，圣训出处的准确性表现最差，在315份相关回答中，仅有2份做到内容正确且来源标注准确。
AI 根据报道生成 · 4 小时前更新
最新进展11月2日 13:00
评测显示6款开源模型在孟加拉语伊斯兰文献生成中的自信伪造率达79.3%至95.3%。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理开源语言模型会捏造经文吗？BILAL-BENCH 孟加拉语伊斯兰文献伪造评测
研究人员推出包含 240 道专家验证问题的 BILAL-BENCH 评测基准，用于评估大语言模型在孟加拉语中伪造伊斯兰文献的行为。对 7 款 1B 至 120B 参数开源模型的 1,680 份双重标注回答评测显示，6 款模型在文献生成题目中的自信伪造率达 79.3% 至 95.3%，且未随模型规模增大而单调改善。其中圣训出处表现最差，315 份回答中仅有 2 份正确且来源准确。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。