双轴政策蕴含基准DAPE发布

研究团队提出双轴政策蕴含基准（DAPE），用于评估政策指令对同一领域的延续、扩大、收窄或逆转。基准包含1000个指令对及标注协议。 在零样本测试中，14个开源模型和4个前沿API模型表现不佳，最优前沿模型的Cohen's kappa仅为0.29。 研究通过微调Qwen3-14B将kappa提升至0.524，接近人类上限，并应用于中国AI政策分析。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。