arXiv · cs.AI· Benjamin Wilcox, Dawei Gao, Pradeeban Kathiravelu, Douglas Causey, Kewei Sha, Yunhe Feng·· 1 天前
ArcticQA与ArcticAbstain评测大语言模型在北极科学问题上的弃答能力
Arctic Questions, Missing Answers: A Dataset and Benchmark for LLM Abstention in Arctic Science
arXiv:2610.09446v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Benjamin Wilcox, Dawei Gao, Pradeeban Kathiravelu, Douglas Causey, Kewei Sha, Yunhe Feng
首次提交：2026-10-07 12:58
研究任务与主要进展
研究者推出ArcticQA数据集和ArcticAbstain成对基准，用于评测大语言模型在答案存在与答案缺失时是否恰当弃答。基于论文摘要，八个Gemini、Claude和ChatGPT系列模型在高推理强度下共产生9,312条回答；答案存在时弃答率为0.0%至63.0%，移除正确答案后弃答率平均增加5.05个百分点，数据集与基准已发布于GitHub。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org