提出APB多轮主动探测推理基准

2026年10月15日，arXiv Artificial Intelligence 刊出研究，Xin Cheng、Junming Yang、Ning Xu 等人提出 Active Probing Benchmark（APB），将概念识别转化为交互式推理任务，把专业知识评估整合进谜题设定，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。截至该报道，事件进展为基准提出与初步评测结果公布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。