Ai2 发布 XYBench：评估 AI 助手识别用户错误前提的能力

Ai2 博客发布 XYBench，一个含 8,115 个真实问题的基准，用于测试 AI 助手能否识别用户提问中的隐含误解（XY 问题）并引导至真实目标；该基准与卡内基梅隆大学、NVIDIA 和约翰斯·霍普金斯大学研究者合作开发，获 EMNLP 2026 Best Resource Paper Award。

信源原题：XYBench: Helping with the problem behind the question

阅读来源原文 ↗