CulturalCrosswords 多语言填字基准论文发布

研究者发布 CulturalCrosswords 基准论文，用 42 种语言的众包谜题组成 53 个填字游戏，评测 11 个 LLM 配置在五种提示形式下的表现，考察答案约束对模型解文化谜题和补全网格的影响。 结果显示约束方式明显影响成绩：在 962 条有备选答案的谜题上，加入长度约束使与参考答案的一致率提升 22.8 个百分点，而给备选答案计分仅提升 8.4 个百分点。填字输入使交叉点答案兼容率提高 9.7 个百分点；要求补全整个网格时，模型之间表现出显著差异。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。