標籤 XYBench

Ai2 與 CMU、NVIDIA、Johns Hopkins 合作發布 XYBench，用 8,115 題測 AI 助理遇到帶錯誤前提的提問時，會不會指出誤解、把回答重心放到真正的目標上。三層指標顯示五個模型全數落後人類對照，把正確目標直接寫進提示，糾正率反而下降；資料集採非商用授權且限英文單輪，採用前先看清這些邊界。