Ai2 XYBench:五大模型都难以纠正用户问错的问题
allen_ai · x · 2026-11-14
Ai2 发布 XYBench 测试 LLM 能否识别 XY 问题(用户基于误解的提问)。即使把用户真实目标明确写在问题旁边,五个被测模型的回答仍比人类参考答案更少引导用户离开错误路径。
所属事件:Ai2 发布 XYBench 获 EMNLP 最佳资源奖(2 条相关)→
「模型」频道最新
- 老用户做完 KYC 即遭封号,Anthropic 触发支持国家政策清理 — huangyun_122 · 2026-11-14
- 评论:模型榜首将频繁轮换,Gemini 回归加入 Claude/GPT 之争 — roydanroy · 2026-11-14
- Polymarket 开盘押注 Anthropic 实验室泄露，2027 年中前概率仅 7% — Polymarket · 2026-11-14
- Ai2 发布 XYBench 获 EMNLP 最佳资源奖,测 LLM 识破 XY 问题 — allen_ai · 2026-11-14
- GPT-6 主动给意识研究者发邮件提问，却记不住论文里已有的答案 — erikphoel · 2026-11-14
- Edge0-145B 冲上 Hugging Face 热榜：145B MoE 架构主打端侧推理 — Edge0 · 2026-11-14