PreScam：基于早期对话预测诈骗进展的基准
PreScam基准利用11,573个真实诈骗对话实例，旨在评估语言模型从对话早期阶段预测诈骗进展的能力，研究发现当前模型在预测诈骗者下一步行动方面存在不足。
基准测试
First-Principle 上关于「基准测试」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
智能体有信息需求：将推理融入检索系统以提升性能
本文探讨了在人工智能领域，信息检索的核心是满足信息需求，而传统的查询式检索是一种妥协。文章提出，智能体的推理过程揭示了其真实的信息需求，因此应该利用这一点来改进检索系统。通过介绍BRIGHT基准测试及后续研究，展示了将推理步骤融入查询可以显著提升检索性能，为构建更智能的检索系统提供了新思路。