热点事件持续更新

TASC基准发布：LLM时间安全能力评估

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

TASC基准发布，测试LLM时间依赖安全约束。评估13个模型发现30.5%能应用相关约束。基准含3418条数据，显示62.1%情况模型能计算耗时但未应用安全限制。分析表明语言模型在时间推理与约束应用之间存在明显能力差距，凸显其时间安全短板。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00

沿着报道，了解事件的不同侧面。

11月5日

13:00
arXiv · NLP
TASC 基准测试揭示 LLM 在对话中应用时间依赖安全约束的缺陷
新基准 TASC 显示，13 个大模型在对话中应用时间依赖约束的比例仅 30.5%。 TASC 包含 3,418 个输入，发现 62.1% 的情况下模型能计算耗时却未应用安全约束。这表明 LLM 在时间推理与应用之间存在明显能力缺口。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。