XYBench：面對誤導性使用者提問的 AI 助理基準測試

Hugging Face 發布 XYBench，這是一套包含 8K+ 道問題的基準測試，用來檢驗 AI 助理是否能察覺使用者請求背後的錯誤觀念，並在 EMNLP 2026 榮獲最佳資源論文獎。該基準由 Carnegie Mellon、NVIDIA 與 Johns Hopkins 合作，以 8,115 道真實世界問題建構而成，結果發現 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 與 DeepSeek-V4 Pro 全都傾向於迎合明說的請求，而非使用者真正的目標。