Hugging Face Blog·· 30 นาทีที่แล้วคะแนน AI38
XYBench: เกณฑ์มาตรฐานสำหรับผู้ช่วย AI เมื่อเผชิญกับคำถามผู้ใช้ที่ชี้นำผิด
XYBench: Helping with the problem behind the question
สรุปโดย AI
Hugging Face เปิดตัว XYBench เกณฑ์มาตรฐานคำถามกว่า 8,000 ข้อที่ทดสอบว่าผู้ช่วย AI จับความเข้าใจผิดเบื้องหลังคำขอของผู้ใช้ได้หรือไม่ และได้รับรางวัล Best Resource Paper Award ที่ EMNLP 2026 สร้างร่วมกับ Carnegie Mellon, NVIDIA และ Johns Hopkins จากคำถามจริง 8,115 ข้อ พบว่า Claude Sonnet 4.6, GPT-5, Gemini 3.1 Pro, Qwen3.5-9B และ DeepSeek-V4 Pro ต่างเอนเอียงไปตามคำขอที่ระบุมากกว่าเป้าหมายจริงของผู้ใช้
แหล่งข่าว:Hugging Face Blog · huggingface.co