热点事件持续更新
研究团队发布HEARSAYBENCH基准测试LLM咨询能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月30日，研究团队在arXiv发布HEARSAYBENCH基准，用于评估大语言模型在结构性约束下提供个人咨询的能力。该基准含400个经区域内人工核验的人工撰写测试用例，场景取自联合国等人权报告，覆盖80多个地区，基于Amartya Sen的能力方法，检验模型能否区分个人形式上被允许做什么与实际能够做什么。研究者在14个专有与开放权重模型上测试发现，所有模型推断用户处境的准确度都高于其给出建议的准确度；更强模型缩小了这一差距，但其建议仍不宜照做。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 14:54
研究团队发布HEARSAYBENCH基准，测试显示各模型建议准确度均低于处境推断。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.CLarXiv:2610.39062：HEARSAYBENCH——评估大语言模型在结构性约束下提供个人咨询能力的基准
研究者发布HEARSAYBENCH，一个含400个测试用例、经区域内人工核验的人工撰写数据集，场景取自联合国等人权报告，覆盖80多个地区。该基准基于Amartya Sen的能力方法，检验模型能否区分个人形式上被允许做什么与实际能够做什么。在14个专有与开放权重模型上，所有模型推断用户处境的准确度都高于其给出建议的准确度，更强模型缩小了这一差距，但其建议仍不宜照做。
本事件热度走势
当前热度 9·可比范围峰值 10（10月30日 15:00）·近 24 小时可比范围变化 –
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。