Ai2公開XYBench,檢驗模型能否辨識提問誤解 Ai2發布包含8,115題的XYBench,測試模型是否辨識使用者提問背後的錯誤假設,並引導至實際目標。五款受測模型常會提到有效解法,卻仍偏重原先方法,評估目前以英文、單輪程序性問題為主。 人工智慧 2026/11/16