AllenAI等发布XYBench基准

AllenAI 联合卡内基梅隆大学、NVIDIA、Johns Hopkins 的研究者发布 XYBench 基准，含 8,115 个真实问题，用于测试 AI 助手能否识别用户请求背后的隐含误解、转向用户真正想达成的目标。该基准获 EMNLP 2026 最佳资源论文奖。 据发布方说明，XYBench 目前只覆盖英文提问，且以流程性问题为主。研究者在单轮设定下评测了 Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro，每个问题只生成一次回答。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。