Ai2 发布 XYBench 评测大模型纠正用户误解能力

Ai2联合CMU、NVIDIA与约翰霍普金斯大学发布XYBench，并获EMNLP 2026最佳资源论文奖。该基准用于测试大模型能否识别并纠正基于误解的XY问题，代码与数据已开源。测试显示，即使明确写出用户真实目标，五个被测模型的回答仍比人类参考答案更容易引导用户离开错误路径。