arXiv：cs.CL（计算语言学，全量分类）· Jhen-Ke Lin, Chung Chun Wang·· 3 小时前AI 评分43
StreamDecisionBench：评估语言流上持续生效的决策
StreamDecisionBench: Evaluating Decisions in Force on Evolving Language Streams
AI 导读
研究者提出 StreamDecisionBench（SDB），在每一时刻评估语言模型决策是否仍然生效，并将每个错误时刻归因于判断、延迟或两者。该基准在四类应用场景中以 1-5 秒更新间隔流式提供证据，用对数时间轴上归一化 AUC 汇总生效准确率。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org