基准矛盾基准 / Contradiction Benchmark
Contradiction Benchmark
Sakana AI构建的学术论文自动评审基准测试集，包含1,164个精心设计的错误案例，专门用于评估自动化系统在检测论文事实矛盾与逻辑冲突方面的能力
时间轴 (近 90 天)
10月11日
研究团队构建了名为「矛盾基准」（Contradiction Benchmark）的测试集，包含1,164个经过设计的错误案例
待验证50%
Sakana AI构建的学术论文自动评审基准测试集，包含1,164个精心设计的错误案例，专门用于评估自动化系统在检测论文事实矛盾与逻辑冲突方面的能力
研究团队构建了名为「矛盾基准」（Contradiction Benchmark）的测试集，包含1,164个经过设计的错误案例