专家驱动的NewsBench评估基准发布

2026年10月27日，Matt Wilde等人发布NewsBench基准，针对现有评估依赖非专家标注的缺陷，依托资深专家制定编辑标准，从来源质量、事实性及中立性三个维度重构评估体系。 该基准包含约3,000个评估提示词，其中每月刷新约500个，并结合约2,500个人工专家标注项用于校准，通过验证专家间一致性及AI裁判与人类专家的一致性确认方法可靠性。

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。