arXiv Artificial Intelligence· Xin Cheng, Junming Yang, Ning Xu·· 18 小时前AI 评分26
APB：面向多轮知识推理的通用谜题求解基准
Query Your Way Out: Benchmarking Multi-Turn Knowledge Reasoning through Generalized Puzzle Solving
AI 导读
研究者提出 Active Probing Benchmark（APB），将概念识别转化为交互式推理任务，通过多轮主动探测评估模型能否定位八个学科领域中 960 个专业难度目标概念。评测发现，多数开源推理模型的表现显著低于其标准指令版本，说明这些模型在交互场景中难以用过程性推理可靠调用专业知识。
来源：arXiv Artificial Intelligence · arxiv.org