热点事件观察中

研究团队推出评估LLM信息发现能力的基准CruxBench

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年9月30日，研究人员推出了评测基准 CruxBench，旨在通过信息价值（VOI）评估大语言模型分解任务并提出关键子问题的信息发现能力。为防止数据污染，该基准利用未来真实事件构建，并在 293 个目标预测问题上对 8 个模型进行了测试。评估结果显示，VOI 与模型能力指标高度相关（r=0.90），但即便是前沿的大语言模型，在该任务上的表现也仅略微优于随机时间基线。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

9月30日

12:00
arXiv 自然语言处理
CruxBench：信息发现能力评测基准
研究人员推出评测基准 CruxBench，通过信息价值（VOI）评估大语言模型分解并提出关键子问题的信息发现能力。该基准利用未来真实事件构建以防止数据污染，并在 293 个目标预测问题上测试了 8 个模型。结果显示 VOI 与模型能力指标高度相关（r=0.90），但即使前沿 LLM 在该任务上也仅略微优于随机时间基线。

本事件热度走势

当前热度 5·可比范围峰值 5（10月1日 12:00）·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。