# 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。

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

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。

## 事实

- 8,115个问题，来源包括Stack Overflow、Stack Exchange、WikiHow和人工筛选
- 受测模型包括Claude Sonnet 4.6、GPT‑5、Gemini 3.1 Pro、Qwen3.5‑9B、DeepSeek‑V4 Pro

## 为什么重要

这项基准为研究人员提供了切实可用的工具，帮助改进AI助手，让它们引导用户找到真正的解决方案，而不只是照着用户提出的方法作答。

## 来源与参考

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

最后更新: 2026-11-13