Hugging Face Blog·· 2 日前
XYBench：ユーザーの質問に潜む誤った前提を見抜けるか試すベンチマーク
XYBench: Helping with the problem behind the question
AI による要約
Hugging Faceは、ユーザーの質問に含まれる誤った前提（XY問題）をAIアシスタントが識別し、真の目的へ導けるかを試す8K件超の質問からなるベンチマーク「XYBench」を公開した。同ベンチマークはEMNLP 2026のBest Resource Paper Awardを受賞した。
入選の記録
基準 60公式・一次情報1 回目 382 回目 38
入選せず二回の合計 76 < 基準の 2 倍 120
- 情報源の区分
- 公式・一次情報、この区分の基準は 60 点
- 予備審査
- 通過：发布AI助手评测基准XYBench，测试LLM识别用户误解
採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。
情報源：Hugging Face Blog · huggingface.co