arXiv cs.AI· Bo Zou, Chao Xu·· 1 天前AI 评分32
WORTH Benchmark：非完全合作信息下的证据发现——两集试点研究
WORTH Benchmark: Evidence Discovery under Not-Fully-Cooperative Information -- A Two-Episode Pilot
AI 导读
arXiv 论文提出 WORTH Benchmark，让模型阅读无线索标注的原创推理小说，自主选择关键线索句、识别案件参与者并解释推理过程。试点实验在两个 episode 上共进行 70 次正式运行，其中 67 次可内容评分；Episode 02 的 37 次可评分运行中有 31 次选了相同的错误参与者，相邻的怀疑向与洗脱向句子分别被选 25 次和 0 次。
来源：arXiv cs.AI · arxiv.org