DuSE-Bench 发布：评测对话与文档双源演化联合推理
原文标题：DuSE-Bench: Benchmarking Joint Reasoning over Evolving Dialogue and Documents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 DuSE-Bench，含五大场景共 1000 个任务，其中 700 个前提同时来自对话与文档，用演化支持图保留事实更新与结论复用链路。11 种基线配置在联合接地任务上内容准确率最高仅 56.7%，且内容变准可能伴随回复类型选择变差、证据归因不全。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DuSE-Bench评测对话与文档双源演化推理，11种基线内容准确率最高仅56.7%
- •含五大场景共1000个任务，其中700个任务的前提同时来自对话与文档
- •用演化支持图保留更新事实与复用结论到原始对话轮次和段落的链路
- •标注区分接地来源与状态依赖，可分别评内容、回复类型与来源归因
- •11种基线配置在联合接地任务上内容准确率最高仅56.7%
- •内容变准可能伴随回复类型选择变差，内容正确的回复常缺完整证据归因
为什么重要：给「跨会话记忆+文档检索」这类持久助手场景提供了首个系统性评测，暴露现有系统在双源联合推理上的明显短板。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。