XYBench 基准：评测 AI 助手能否解决用户问题背后的真实目标

Hugging Face 发布 XYBench 基准，以 8,115 个真实世界问题测试 AI 助手识别 XY 问题的能力，并获 EMNLP 2026 Best Resource Paper Award。Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 均更倾向围绕用户明述请求作答，较少引导至真实目标。