跳到正文
Hugging Face Blog·· 6 天前AI 评分46

XYBench:揭示AI助手解决“XY问题”的基准测试

XYBench: Helping with the problem behind the question

AI 导读

Hugging Face 发布 XYBench 基准,测试 AI 解决基于错误前提的“XY 问题”能力,该成果获 EMNLP 2026 最佳资源论文奖。 评测对象包括 Claude Sonnet 4.6、GPT-5 等 5 个模型,基准包含 8,115 个真实及生成问题。

来源:Hugging Face Blog · huggingface.co