研究者发布ListQA列表式事实检索基准

Mayank Kulkarni、Rakesh Vaideeswaran 发布 ListQA 基准，用于评估大语言模型按列表格式检索事实知识的能力。该基准包含 9,045 道人工校验、交叉验证的问题，审计错误率为 1.7%，要求模型回忆多个事实并组织成 3–10 个元素的结构化列表，覆盖 8 个类别、60 多个国家。研究团队称已公开数据集与评测代码，该工作被 NeurIPS 2026 评估与数据集赛道接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。