跳到正文
论文与研究官方

Hugging Face发布XYBench基准:测试AI能否识别用户误解

XYBench: Helping with the problem behind the question

Hugging Face联合CMU、NVIDIA、约翰霍普金斯发布XYBench,含8115个真实问题,覆盖编程与日常场景,评测模型能否识别用户提问背后的错误假设并引导至真实目标。测试显示Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro等模型多聚焦表面请求,识别误解能力仍落后人类。

HHugging Face Blog阅读原文

相关阅读

论文与研究·Microsoft Research
微软研究披露Lazarus后门技术,可重编程休眠神经元控制AI智能体
论文与研究·Google DeepMind Blog
DeepMind 用 AlphaProof Code 形式化验证 Signal 协议代码
论文与研究·NVIDIA Blog
NVIDIA 在 CoRL 发布开源世界动作模型 GR00T 2 与 Isaac Lab 3.0