研究团队提出大模型成对忠实度评测基准PFaithBench

1. 12:00
   arXiv 自然语言处理

   从成对上下文敏感视角重新审视大语言模型的忠实度

   研究提出成对忠实度评测基准 PFaithBench，用于评估大语言模型在支持性与非支持性上下文中能否在作答与拒答之间灵活切换。对 7 个模型家族的 39 个模型评测显示，多数模型存在强烈的作答倾向，多数忠实度错误源于上下文不足时的过度作答。研究进一步揭示了训练数据配比对模型行为的影响，相关代码和数据已开源。

当前热度 9·可比范围峰值 10（10月7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。