XYBench发布，评测助手能否识别真实目标
热点事件持续更新
XYBench发布，评测助手能否识别真实目标
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
XYBench 研究团队发布包含 8,115 个真实世界问题的基准，测试 AI 助手能否识别用户问题背后的真实目标。该研究获 EMNLP 2026 最佳资源论文奖。 结果显示，Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 都更倾向直接回应用户明述的请求，较少主动引导至其真实目标。基准目前仅覆盖英语查询，且以程序性问题为主，扩展至其他语言、文化及对话场景仍是开放方向。
AI 根据报道生成 · 32 分钟前更新
最新进展11月14日 01:02
XYBench 基准：评测 AI 助手能否解决用户问题背后的真实目标报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- Hugging Face BlogXYBench 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。