计算机科学 > 机器学习
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.