arXiv · NLP· Eirik Botten Nicolaysen (EcoDeco AS)·· 17 小时前AI 评分30
norregel：挪威法律日期数值预注册基准测试
norregel: a preregistered benchmark of dated numeric values in Norwegian law
AI 导读
norregel 基准评估语言模型在挪威法律特定日期下的数值准确性，包含 916 项从 Lovdata 提取的数据。 第一轮测试中，Opus 5.5 和 Sonnet 4.6 分别正确回答了 46.7% 和 40.2% 的 880 个主要条目。 预注册的第二轮测试在敏感性分析 S8 下未支持假设 H1，因 95% 置信区间包含 0；H2 显示 56.1% 的过期答案等于最近数值。
来源：arXiv · NLP · arxiv.org