研究者提出评估思维链可监控性的基准MonitorBench

1. 13:00
   arXiv cs.AI

   MonitorBench：面向大语言模型思维链可监控性的综合基准

   研究者提出 MonitorBench，一个系统评估 LLM 思维链可监控性的开源基准，包含覆盖 7 大类 19 项任务的 1,540 个测试实例，并设计两种提示词压力测试设置来量化可监控性的下降程度。

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。