跳到正文
arXiv · AI· Yunhua Pei, Jingyu Hu, Yiwei Shi, Hongnan Ma, Weiru Liu, John Cartlidge·· 9 天前AI 评分36

StakeBench:基于市场承诺的大语言模型理解能力评估框架

StakeBench: Evaluating Language Understanding Grounded in Market Commitment

AI 导读

研究人员发布StakeBench评估框架,将560,876条评论与Polymarket及Manifold的市场数据挂钩,通过四组诊断任务测试模型对市场承诺的识别能力。

来源:arXiv · AI · arxiv.org