arXiv · NLP· Junhao Chen, Yu Huang, Siyuan Li, Rui Yao, Hanqian Li, Hanyu Zhang, Jungang Li, Jian Chen, Bowen Wang, Xuming Hu·· 4 小时前AI 评分36
KnowMT-Bench：评估大语言模型在多轮对话中知识密集型长文本问答能力的基准
KnowMT-Bench: Benchmarking Knowledge-Intensive Long-Form Question Answering in Multi-Turn Dialogues
AI 导读
研究团队提出 KnowMT-Bench 基准，用于系统评估 LLM 在医学、金融和法律等领域多轮长文本问答中的表现。 该基准采用动态评估设置，让模型根据逻辑递进的问题序列生成自己的多轮对话历史，以反映真实场景。
来源：arXiv · NLP · arxiv.org