★ 2
研究发布 CulturalCrosswords 多语言基准，测试大模型解文化谜题能力
论文构建 CulturalCrosswords 基准，用 42 种语言的众包谜题组成 53 个填字游戏，评估 11 种大模型配置在答案约束下的表现。结果显示给出答案长度可使与参考答案的一致率提升 22.8 个百分点，填字输入使交叉答案兼容率提升 9.7 个百分点，并能区分模型与参考答案的一致性和真…
arXiv NLP5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文构建 CulturalCrosswords 基准，用 42 种语言的众包谜题组成 53 个填字游戏，评估 11 种大模型配置在答案约束下的表现。结果显示给出答案长度可使与参考答案的一致率提升 22.8 个百分点，填字输入使交叉答案兼容率提升 9.7 个百分点，并能区分模型与参考答案的一致性和真…