北京
分享至
只看AI给出的最终答案，已经不够了。Apodex Discovery推出新基准TRACES，专门评估AI系统能否通过证据充分、可审计、可修复的调查过程得到正确结果。
与只看答案的传统评测不同，TRACES同时检查最终答案与外部可见轨迹。它采用HDS6盲评，从六个维度衡量过程能力：工具使用、修复行为、备选解释、连贯性、证据质量、适用边界。
修复说明带来显著提升
在434条缺陷轨迹上，加入修复说明使环境结果得分平均提高0.155。不过，实验缺少匹配对照组，这一提升幅度仍需更多验证。
TRACES的推出，意味着AI评测正在从“结果导向”转向“过程导向”——答案对了不够，调查路径是否扎实、能否自我纠错，同样值得关注。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
