发布HEARSAYBENCH人权咨询评测基准
热点事件观察中
发布HEARSAYBENCH人权咨询评测基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Ava Iranmanesh 团队发布人权情境评测基准 HEARSAYBENCH，含 400 个经当地区域人工核验的测试案例，基于联合国人权报告构建，覆盖 80 多个地区战争、无国籍、流离失所等结构性约束场景，用于检验大模型能否区分用户“形式上有权做”与“实际能做”的差异。 对 14 个闭源与开源权重模型的测试显示，所有模型理解用户处境的能力都优于给出建议的能力；更强模型差距缩小，但建议仍不安全，难以转化为可执行的指导。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 07:49
HEARSAYBENCH：AI 能否从抽象人权导航到真实处境？报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.CLHEARSAYBENCH：AI 能否从抽象人权导航到真实处境？
HEARSAYBENCH 是一个人工构建的基准数据集，包含 400 个经当地区域人工核验的测试案例，基于联合国人权报告，覆盖 80 多个地区的战争、无国籍、流离失所等结构性约束场景，检验 LLM 能否区分用户“形式上有权做”与“实际能做”。对 14 个闭源与开源权重模型的测试显示，所有模型理解用户处境的能力都优于给出建议的能力，更强模型差距缩小，但建议仍不安全，难以转化为可执行的指导。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。