基准FaithAlign-Gap

FaithAlign

首个理论级自动形式化忠实性基准，采用上下文感知的短语级对齐-再标注机制，评估形式语句对非形式数学命题语义的保留程度

时间轴 (近 90 天)

10月14日

论文提出了 FaithAlign，号称首个理论级忠实性基准，包含 460 个条目和 4,982 条短语级标注链接。

待验证50%

10月14日

在 8 个模型的评测中，GPT-6 Astra 取得了最高的缺陷 F1，为 47.8%。

待验证50%

10月14日

FaithAlign 的价值在于把「上下文感知的细粒度忠实性评估」变成了一个可量化、可复现的测试床。

待验证50%

在 8 个模型的评测中，GPT-6 Astra 取得了最高的缺陷 F1，为 47.8%。

FaithAlign 的价值在于把「上下文感知的细粒度忠实性评估」变成了一个可量化、可复现的测试床。

论文提出了 FaithAlign，号称首个理论级忠实性基准，包含 460 个条目和 4,982 条短语级标注链接。