GeopoliticalQA 基准发布：415 份情报报告评测 RAG 检索与生成
原文标题：GeopoliticalQA: Benchmarking Retrieval and Generation over Intelligence Reports
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者发布 GeopoliticalQA 基准，覆盖 415 份开源地缘政治与战略情报报告、5525 组文档问答对，涵盖事实、推理、比较与风险类问题。团队用该基准评测了 15 个检索系统和 6 个开源大模型的 RAG 表现，发现文档级检索差异不大，但在更难的文本块级检索上，中等规模编码器 bge-m3 可媲美大一个数量级的模型并超过商业嵌入 API。即便给出金标准证据，推理与风险类问题的答案生成仍然困难。
- 问题
- 地缘政治情报报告异构复杂，RAG问答缺乏系统评测基准。
- 方法
- 构建415份报告、5525组问答的基准，覆盖事实/推理/比较/风险问题，并评测15个检索系统与6个开源LLM。
- 结果
- 块级检索中bge-m3可媲美大一个数量级模型并超商业嵌入API；给出金标准证据后推理与风险问题仍难。
- 影响
- 为情报类RAG选型提供参照，说明嵌入规模不是检索质量决定因素。
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。