Ai2 · Allen Institute for AI·· 10 giờ trướcĐiểm AI52
Ai2 phát hành XYBench, bộ đánh giá 8K câu hỏi về vấn đề XY trong câu trả lời của trợ lý AI
XYBench: Helping with the problem behind the question
Tóm tắt bằng AI
Ai2 đã phát hành XYBench, một bộ đánh giá gồm 8.115 câu hỏi thực tế nhằm kiểm tra xem các trợ lý AI có nhận ra khi yêu cầu của người dùng dựa trên một quan niệm sai lầm và hướng họ tới mục tiêu thực sự hay không; công trình này đã giành Giải thưởng Bài báo Tài nguyên Xuất sắc nhất tại EMNLP 2026.
Nguồn:Ai2 · Allen Institute for AI · allenai.org