arXiv · NLP· Guanjie Cheng, Jianfeng Gao, Yufei Tong, Xinkui Zhao, Shuiguang Deng·· 21 小时前AI 评分25
DuSE-Bench：评估在演化的对话与文档上联合推理的基准
DuSE-Bench: Benchmarking Joint Reasoning over Evolving Dialogue and Documents
AI 导读
DuSE-Bench 基准测试包含 1000 个任务，用于评估在演化对话与文档上联合推理的能力。其中 700 个任务的前提同时源于对话和文档。 在 11 种基线配置中，联合 grounding 任务的内容准确率最高仅为 56.7%。
来源：arXiv · NLP · arxiv.org