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
最新进展11月14日 01:02
2026-11-14 Hugging Face 发布 XYBench 基准测试并获 EMNLP 2026 奖。报道时间线
沿着报道,了解事件的不同侧面。
11月14日
- Hugging Face BlogXYBench: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%
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。