TALD任务与TALD-Bench评测LLM时间法律推理
热点事件持续更新
TALD任务与TALD-Bench评测LLM时间法律推理
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Yiqian Huang等人在arXiv论文中提出Temporal Applicable-Law Determination（TALD）任务，并基于跨越民法典施行的51,956份中国民事裁判构建TALD-Bench基准，评测九个先进大语言模型的时间法律推理能力。 论文声称的主要发现是模型对新法有强偏好：新法案件准确率超过70%，旧法案件低于25%。加入时间法律提示可显著改善表现，但也会增加版本推理的不确定性。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
《大模型何时适用错误法律》：诊断LLM时间法律推理失败报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AI《大模型何时适用错误法律》：诊断LLM时间法律推理失败
Yiqian Huang等人提出Temporal Applicable-Law Determination（TALD）任务，并基于跨越民法典施行的51,956份中国民事裁判构建TALD-Bench，评测九个先进大语言模型。研究发现，模型在新法案件上的准确率超过70%，但旧法案件低于25%；加入时间法律提示可显著改善表现，但也会增加版本推理的不确定性。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
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。