论文研究 arXiv cs.CL Wed, 30 Sep 2026 正文 thin 4 words

CruxBench：信息发现基准测试

英文标题：CruxBench: A Benchmark of Information Discovery

CruxBench 是一项面向信息发现能力的基准测试研究。论文指出，现有大语言模型（LLM）基准通常通过固定参考标签来评估答案准确性。作者强调，在许多复杂的现实任务中，更关键的一步是首先识别哪些问题值得提出，并对任务进行分解；这一能力对开发者构建更具自主性的 Agent 和研究型系统具有重要意义。

打开原文相关 2.4 · 机会 0

2.1 KB

640 B

612 B

380 B

9.1 KB

32.7 KB

22.8 KB

24.2 KB

34.7 KB

中文

大语言模型（LLM）的基准测试通常通过与固定参考标签进行比对，评估答案的准确性。但在许多复杂的现实世界任务中，一个核心步骤是首先识别哪些问题值得提出：对任务进行分解。