SciConHarness 屏蔽答案来源,逼前沿模型自己综合证据
manoelribeiro · x · 2026-10-07
作者介绍其评测方法:用 SciConHarness 让前沿模型在做健康领域科学综合任务时无法直接检索到作为标准答案的 Cochrane 综述及其他泄题来源,必须真正跨研究综合证据才能作答,以此测试模型的真实综合能力。
所属事件:SciConBench 入选 NeurIPS：最强 AI 医学结论合成 F1 仅 0.337(10 条相关)→
「研究」频道最新
- GroundedSLAM 发布:大幅刷新 Meta 第一人称 SLAM 基准 — Scobleizer · 2026-10-07
- HCI 学者吐槽：别把归纳式主题分析冒充「反身性」分析 — IanArawjo · 2026-10-07
- Reza Zadeh 称找到更快矩阵乘法算法，猜测大厂已接近指数 2 — Reza_Zadeh · 2026-10-07
- Reddit 网友提出图式确定性建模，解决 LLM 金融计算不可信难题 — jonnylegs · 2026-10-07
- COLM 2026 海报：面向智能体编程的测试时算力扩展研究亮相 — dan_fried · 2026-10-07
- COLM 2026 高效推理研讨会周五举行,含分论坛讨论 — tydsh · 2026-10-07