Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21343v1

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2506.21343v1 (cs)
[提交于 2025年6月26日 ]

标题: DynamicBench:评估大型语言模型中的实时报告生成

标题: DynamicBench: Evaluating Real-Time Report Generation in Large Language Models

Authors:Jingyao Li, Hao Sun, Zile Qiao, Yong Jiang, Pengjun Xie, Fei Huang, Hong Xu, Jiaya Jia
摘要: 传统的大语言模型(LLMs)基准测试通常依赖于通过讲故事或表达观点进行的静态评估,这无法捕捉当代应用中实时信息处理的动态需求。 为解决这一限制,我们提出了DynamicBench,这是一个旨在评估LLMs存储和处理最新数据能力的基准测试。 DynamicBench采用双路径检索管道,结合网络搜索与本地报告数据库。 它需要特定领域的知识,确保在专业领域内生成准确的报告。 通过在提供或不提供外部文档的场景中评估模型,DynamicBench有效衡量了它们独立处理最新信息或利用上下文增强的能力。 此外,我们引入了一个先进的报告生成系统,能够有效地管理动态信息的综合。 我们的实验结果证实了我们方法的有效性,我们的方法在无文档和有文档的场景中分别以7.0%和5.8%的优势超越了GPT4o。 代码和数据将向公众开放。
摘要: Traditional benchmarks for large language models (LLMs) typically rely on static evaluations through storytelling or opinion expression, which fail to capture the dynamic requirements of real-time information processing in contemporary applications. To address this limitation, we present DynamicBench, a benchmark designed to evaluate the proficiency of LLMs in storing and processing up-to-the-minute data. DynamicBench utilizes a dual-path retrieval pipeline, integrating web searches with local report databases. It necessitates domain-specific knowledge, ensuring accurate responses report generation within specialized fields. By evaluating models in scenarios that either provide or withhold external documents, DynamicBench effectively measures their capability to independently process recent information or leverage contextual enhancements. Additionally, we introduce an advanced report generation system adept at managing dynamic information synthesis. Our experimental results confirm the efficacy of our approach, with our method achieving state-of-the-art performance, surpassing GPT4o in document-free and document-assisted scenarios by 7.0% and 5.8%, respectively. The code and data will be made publicly available.
主题: 机器学习 (cs.LG)
引用方式: arXiv:2506.21343 [cs.LG]
  (或者 arXiv:2506.21343v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21343
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jingyao Li [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 14:53:44 UTC (1,700 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号