提出了两层级元制框架GAMUT来评估长文本生成的事实完整性,在14个前沿模型上测试,最佳成绩为58.7%,表明该基准具有挑战性和辨别力。
机构:Meta
来源:arXiv 2607.19322 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程