待验证50% 置信基准精确时间
八个评估模型在孟加拉语上的准确率普遍低于英语,跨语言准确率差距最小的是 Mistral-Nemo,差距为 5.12 个百分点。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
BDBBQ:孟加拉语社会偏见评测新基准,人机协作揭示LLM跨语言盲区
rss2026/11/9
涉及实体
相关事实
待验证英语拟合的LEACE仅移除不到一个百分点的孟加拉语比喻类别准确率,而孟加拉语拟合的LEACE移除4-11个百分点。74% 相似待验证实验发现,某些语言下的LLM回答质量与覆盖度显著低于其他语言,导致跨语言信息不对等。70% 相似待验证作者强调5.05%是语言模型验证层面的困惑度下降,而非benchmark准确率提升69% 相似待验证يُنصح بالتقييم المنفصل لكل لهجة لأن مؤشر الدقة الإجمالي المرتفع قد يُخفي فشلاً ذريعاً في لهجة بعينها68% 相似待验证研究显示某些模型在东亚语言(中文、日语、韩语)上面对失真陈述时出现显著性能退化,跨语言性能差距最高可达28个百分点,相对降幅高达49%67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1154785API
curl https://kongchang.com/api/v1/knowledge/claims/1154785MCP
get_claim(id=1154785)