Hugging Face · 每日论文·2026-10-20 04:00· 1 天前AI 评分40

DecisionPivot: 一个用于评估 LLM 系统决策模型的诊断基准

DecisionPivot: A Diagnostic Benchmark for Decision Models in LLM Systems

AI 导读

Hugging Face 发布 DecisionPivot，一个包含 48 项任务和 40,033 个测试项的诊断基准，用于评估 LLM 系统中决策模型的准确性与可靠性。