# Hugging Face presenta XYBench per testare gli equivoci degli utenti

> Il nuovo benchmark raccoglie 8.115 domande reali e mostra che anche i modelli più avanzati faticano a guidare gli utenti verso il loro vero obiettivo.

Oossa · 2026-11-13 · https://oossa.com/it/hugging-face-releases-xybench-to-test-ai-assistants-on-hidden-user-misconception

Hugging Face ha annunciato XYBench, un benchmark composto da 8.115 domande che verifica se gli assistenti IA riescono a individuare gli equivoci nascosti nelle richieste degli utenti. Il dataset è stato realizzato con ricercatori della Carnegie Mellon, di NVIDIA e della Johns Hopkins e ha vinto il premio Best Resource Paper a EMNLP 2026. I test condotti su Claude Sonnet 4.6, GPT‑5, Gemini 3.1 Pro, Qwen3.5‑9B e DeepSeek‑V4 Pro mostrano che spesso i modelli rispondono alla richiesta alla lettera, anziché puntare all’obiettivo sottostante. Le risposte di riferimento fornite da persone continuano a superare quelle dei modelli nell’individuare e correggere l’approccio sbagliato.

## I fatti

- 8.115 domande tratte da Stack Overflow, Stack Exchange e WikiHow, oltre che da una selezione manuale
- Tra i modelli valutati figurano Claude Sonnet 4.6, GPT‑5, Gemini 3.1 Pro, Qwen3.5‑9B e DeepSeek‑V4 Pro

## Perché conta

Il benchmark offre ai ricercatori un metodo concreto per migliorare gli assistenti, così che possano guidare gli utenti verso la soluzione giusta, anziché limitarsi a indicare il metodo richiesto.

## Fonti e riferimenti

1. [XYBench: Helping with the problem behind the question](https://huggingface.co/blog/allenai/xybench) – Hugging Face, 2026-11-13
2. [XYBench: Helping with the problem behind the question](https://allenai.org/blog/xybench) – Ai2

Ultimo aggiornamento: 2026-11-13