★ 2
TutorCaseBench 发布：评测 AI 家教应对问题学生能力
研究者推出 TutorCaseBench 基准，基于教育学、教育心理学与特殊教育的案例研究，构建 923 段对话、五类挑战行为场景。在 11 个前沿 LLM 上，最强模型在开放式回答中仅 55.8% 满足评分标准，且模型更擅长选择策略而非生成贴合情境的回应。数据与代码已开源。
arXiv NLP10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者推出 TutorCaseBench 基准，基于教育学、教育心理学与特殊教育的案例研究，构建 923 段对话、五类挑战行为场景。在 11 个前沿 LLM 上，最强模型在开放式回答中仅 55.8% 满足评分标准，且模型更擅长选择策略而非生成贴合情境的回应。数据与代码已开源。