研究者发布ListQA列表式知识检索基准
热点事件持续更新
研究者发布ListQA列表式知识检索基准
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Mayank Kulkarni 与 Rakesh Vaideeswaran 发布 ListQA 基准，用于评估大语言模型检索列表式事实知识的能力，并公开数据集与评测代码。该基准包含 9,045 道人工校验问题（审计错误率 1.7%），要求模型回忆多个事实并组织成 3-10 个元素的结构化列表。 在 34 个模型（8 个家族、42 种配置）上的评测显示，最佳标准推理模型的 LLM-Judge-F1 低于 37%。研究者称，向模型提供源 Wikipedia 页面可大幅提升得分，表明模型能组织事实，但难以仅从参数中检索。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
ListQA：评估大语言模型列表式事实知识检索的基准报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CLListQA：评估大语言模型列表式事实知识检索的基准
研究者发布 ListQA 基准，包含 9,045 道人工校验问题（审计错误率 1.7%），要求 LLM 回忆多个事实并组织成 3-10 个元素的结构化列表。在 34 个模型（8 个家族、42 种配置）上评测，最佳标准推理模型 LLM-Judge-F1 低于 37%，提供源 Wikipedia 页面可大幅提升得分，表明模型能组织事实但难以仅从参数中检索。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
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。