Hugging Face Blog·· 2 天前
XYBench：测试 AI 助手能否识别用户问题背后的错误假设
XYBench: Helping with the problem behind the question
AI 导读
Hugging Face 发布 XYBench，一个包含 8K+ 问题的基准，用于测试 AI 助手能否识别用户提问中的错误假设（XY 问题）并引导至真实目标，该基准获 EMNLP 2026 最佳资源论文奖。
入选记录
门槛 60官方一手第一次 38第二次 38
未入选两次之和 76 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：发布AI助手评测基准XYBench，测试LLM识别用户误解
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co