热点事件持续更新

FactGuard 发布长上下文不可答问题检测基准 FactGuard-Bench

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

FactGuard 论文作者提出多任务工作流 FACTGUARD，并发布基准 FACTGUARD-BENCH，含 25,220 个样本、上下文长度最高 128K，用于评估大语言模型在证据缺失与误导证据场景下拒绝不可回答问题的能力。对 11 个开源及专有模型的评测显示，模型在上下文变长时难以拒绝不可答问题，领先模型准确率仅 71.62%；作者报告用该基准训练后总体准确率提升至 81.17%。源码已在 GitHub 公开。

AI 根据报道生成 · 3 小时前更新

最新进展10月16日 12:00

FactGuard 通过 FACTGUARD-BENCH 提升长上下文模型识别不可回答问题的能力

报道时间线

沿着报道，了解事件的不同侧面。

10月16日

12:00
arXiv · cs.AI
FactGuard 通过 FACTGUARD-BENCH 提升长上下文模型识别不可回答问题的能力
论文提出 FACTGUARD 多任务工作流和包含25,220个样本的 FACTGUARD-BENCH，用于评估大语言模型在证据缺失与误导证据场景下拒绝不可回答问题的能力。对11个开源及专有模型的评测显示，领先模型准确率仅为71.62%；基于该基准训练后，作者报告总体准确率提升至81.17%。源码公开于 https://github.com/biaoliu-kiritsugu/FactGuard。

本事件热度走势

可比范围当前: 8
可比范围峰值: 910月16日 16:00
近 24 小时变化: –

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。