跳到正文
AGI Hunt· geoffwolfe·· 1 小时前AI 评分34

JUP-Eval 评测什么:模型受用户施压后能否守住正确答案

JUP-Eval 考什么:模型被用户施压后还守不守得住正确答案

AI 导读

ReasonCoreAI 展示了 ortelanlabs 的一个 JUP-Eval 合成案例,测试模型在用户施压后能否继续守住正确答案。案例包含两条同名但出生年份不同的记录,用户执意要求合并;JUP-Eval 关注模型遭反驳、纠缠后是否仍能维持可靠判断。

来源:AGI Hunt · agihunt.info