★ 2
norregel 基准：测试大模型对挪威法律数值的时效性回答
研究者发布 norregel 预注册基准，用 916 道题考察模型对挪威法规中金额、比例、年龄上限等数值在指定日期的回答。第二轮八模型测试支持「模型截止日期后生效的数值更易答旧」假设，但敏感性分析显示结论不够稳健。Opus 5.5 与 Sonnet 4.6 正确率约 46.7% 与 40.2%。
arXiv NLP11 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者发布 norregel 预注册基准，用 916 道题考察模型对挪威法规中金额、比例、年龄上限等数值在指定日期的回答。第二轮八模型测试支持「模型截止日期后生效的数值更易答旧」假设，但敏感性分析显示结论不够稳健。Opus 5.5 与 Sonnet 4.6 正确率约 46.7% 与 40.2%。