热点事件观察中
研究人员提出面向LitTraceQA的TRACE检索抽取框架
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10月，针对LitTraceQA基准中的可验证答案落地难题，研究人员提出了TRACE框架。该框架结合了目标感知检索、多模态表格抽取与契约约束验证等机制，系统共索引了27,487篇论文。在71题官方测试集的评估中，TRACE取得了0.760613的综合评分。具体指标方面，该系统的论文F1达到0.9728、证据F1为0.6847、选择题准确率达0.9800、表格行F1为0.5423。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
研究人员提出TRACE框架，在LitTraceQA测试集上取得0.760613的综合评分。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 自然语言处理TRACE：面向 LitTraceQA 的目标感知检索、归因证据与契约约束抽取框架
针对 LitTraceQA 基准中的可验证答案落地难题，研究人员提出 TRACE 框架，结合目标感知检索、多模态表格抽取与契约约束验证等机制。该系统索引了 27,487 篇论文，在 71 题官方测试集上取得 0.760613 的综合评分。具体指标中，其论文 F1 达到 0.9728、证据 F1 为 0.6847、选择题准确率达 0.9800、表格行 F1 为 0.5423。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。