跳到正文
热点事件历史事件

XYBench发布评测AI真实目标识别

1 篇报道1 个报道来源4 天前更新

先了解这件事

SI 综述

Hugging Face 发布 XYBench 基准测试,测试显示 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 多聚焦表面请求而非真实目标,该基准获 EMNLP 2026 最佳资源论文奖。 XYBench 提供 8K+ 真实问题评测大模型能否识别用户错误前提并导向真实目标,Hugging Face 称其旨在帮助解决提问背后的真实问题。

SI 根据报道生成 · 4 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月14日
  1. Hugging Face Blog
    XYBench:帮助解决提问背后的真实问题

    XYBench 旨在帮助解决提问背后的真实问题,它提供 8K+ 真实问题评测大模型能否识别用户错误前提并导向真实目标。测试显示 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 多聚焦表面请求而非真实目标,该基准获 EMNLP 2026 最佳资源论文奖。

本事件热度走势

当前热度 1·可比范围峰值 10(11月14日 02:00)·近 24 小时可比范围变化 -55%

02.557.51011月14日02:0011月15日11:0011月16日21:0011月18日06:00

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有