超越提问：评估 LLM 的陈述性知识

研究提出“开放知识评估”新范式，不再依赖预设问题，而是让 LLM 在开放式提示下自行陈述知识，以规避基准设计者的可用性偏差。团队据此构建 BeQu 基准，包含 10,000 个实体及用于陈述验证的参考语料，并评估了多种语言模型，分析推理投入、模型规模、提示格式与知识领域的影响。数据与排行榜已发布于该工作的 GitHub 仓库。