热点事件持续更新
TASC基准发布评估大模型时间敏感安全感知能力
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究团队在arXiv上发布了TASC基准，旨在评估大语言模型在对话中应用时间依赖约束的能力。测试涵盖13个模型，结果显示仅30.5%的模型能在建议违反规则时正确应用约束。此外，62.1%的案例虽然计算出了经过时间（elapsed time），却未能将该信息应用于决策。研究发现，显式提供时间信息仅解决了约一半的失败案例，揭示了当前模型在时序推理与对话建议应用之间仍存在显著差距。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
研究揭示显式提供时间信息仅能解决约一半的时序推理失败案例。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.CLTASC 基准评估大语言模型在对话中的时间敏感安全感知能力
研究提出 TASC 基准，评估大语言模型在对话中应用时间依赖约束的能力。测试显示 13 个模型在建议违反规则时仅 30.5% 能正确应用约束，且 62.1% 的案例虽算出 elapsed time 却未能应用该信息。显式提供时间仅解决约一半失败，揭示时序推理与对话建议应用间的差距。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。