热点事件观察中

研究用维基百科游戏测试语言模型检索能力

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

一项新研究用“维基百科游戏”测试语言模型的信息检索能力：让模型仅靠文章链接从起点抵达目标条目。结果显示，GPT-o3 mini、GPT-4o、QwQ:32B 和 DeepSeek-R1:70B 的成功率与人类相当，但没有模型显著超越人类，且表现和排名随语言与主题变化。该评测覆盖五种维基百科语言和五个学术文献数据集，研究基于 OpenAlex 构建大规模本地维基百科与论文引用图，并开源构建与导航代码，无需依赖第三方 API。

AI 根据报道生成 · 1 天前更新

最新进展10月12日 12:00

语言模型能玩维基百科游戏吗？GPT-o3 mini、GPT-4o、QwQ:32B 与 DeepSeek-R1:70B 表现接近人类

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.AI
语言模型能玩维基百科游戏吗？GPT-o3 mini、GPT-4o、QwQ:32B 与 DeepSeek-R1:70B 表现接近人类
研究用维基百科游戏测试语言模型的信息检索能力，让模型仅靠文章链接抵达目标条目，覆盖五种维基百科语言和五个学术文献数据集。GPT-o3 mini、GPT-4o、QwQ:32B 和 DeepSeek-R1:70B 成功率与人类相当，但无模型显著超越人类，且表现和排名随语言与主题变化。研究基于 OpenAlex 构建大规模本地维基百科与论文引用图，并开源构建与导航代码，无需依赖第三方 API。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1010月12日 13:00
近 24 小时变化: -51%

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。