用 Wikipedia Game 评测语言模型导航检索能力
热点事件持续更新
用 Wikipedia Game 评测语言模型导航检索能力
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
论文作者提出基于 Wikipedia Game 的信息检索评测，测试语言模型通过文章链接导航至目标条目的能力。比较句子嵌入模型与大语言模型，覆盖五个维基百科语言和五个学术文献数据集。 研究利用 Wikipedia 页面和 OpenAlex 论文引用构建大规模本地图并提供构建与遍历代码，与人类及 TF-IDF 基线比较。结果显示没有模型显著超越人类，最佳模型（GPT-o3 mini、GPT-4o、QwQ:32B、DeepSeek-R1:70B）达到与人类相当的成功率。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
语言模型在维基百科游戏中接近但未显著超越人类报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI语言模型在维基百科游戏中接近但未显著超越人类
作者利用维基百科游戏测试语言模型通过文章链接导航至目标条目的能力，并在五个维基百科语言和五个学术文献数据集上比较了句子嵌入模型与大语言模型。研究构建了基于 Wikipedia 页面和 OpenAlex 论文引用的超大规模本地图，提供代码以构建和遍历图，并与人类及 TF-IDF 基线比较。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。