提出UtilityBench：按错误成本衡量语言模型效用
热点事件观察中
提出UtilityBench：按错误成本衡量语言模型效用
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Qifeng Lei等作者发布UtilityBench基准，包含15,000个带可验证答案的实例，用Best-Worst Scaling估计错误的严重程度，以衡量语言模型在不同错误成本下的效用。团队同时提出UtilityAUC指标，根据模型回答排序计算效用曲线下面积。 对20个前沿模型的摘要级评估显示，更高准确率或更先进架构并不稳定对应更高的UtilityAUC。本摘要基于论文摘要，未核验全文。
AI 根据报道生成 · 10 小时前更新
最新进展10月20日 12:00
UtilityBench：按不同错误成本衡量语言模型效用的基准报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIUtilityBench：按不同错误成本衡量语言模型效用的基准
研究团队提出UtilityBench，以15,000个带可验证答案的实例衡量不同错误成本下的语言模型效用，并用Best-Worst Scaling估计错误严重程度。团队还提出UtilityAUC，根据模型回答排序计算效用曲线下面积；对20个前沿模型的摘要级评估显示，更高准确率或更先进架构并不稳定对应更高UtilityAUC。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
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。