Hugging Face推出XYBench，测试AI助手能否识破用户的隐含误解

这项新基准收录8,115个真实场景问题。测试显示，领先模型仍难以引导用户实现真正目标。

简讯作者： OossaOossa 发布日期: 2026年11月13日 17:06 UTC最后更新: 2026年11月13日 17:20 UTC1 分钟阅读

Hugging Face宣布推出XYBench。这项基准包含8,115个问题，用于检验AI助手能否识别用户请求中隐藏的误解。该数据集由Hugging Face与卡内基梅隆大学、NVIDIA和约翰斯·霍普金斯大学的研究人员共同构建，并获得EMNLP 2026最佳资源论文奖。对Claude Sonnet 4.6、GPT‑5、Gemini 3.1 Pro、Qwen3.5‑9B和DeepSeek‑V4 Pro的测试显示，这些模型往往只按字面回答请求，而没有抓住用户的根本目标。人类参考答案在识别错误做法并加以纠正方面仍胜过这些模型。