论文Agent 与开发者多源确认13:09研究用15槽信息框架评估 LLM 危机报告,Gemini 与人类表现打平一个把 LLM 危机报告和 121 份真实人道主义报告对着比的研究,数字看着打平,其实来源信息全缺,评估指标也翻车了。#LLM 评估#Gemini#BERTScore#人道主义报告10 个信源在谈事件专题aarXiv: OpenAI@Sachin Kumar11 个信源在谈原文稍后读已读值得跟进有用关注 LLM 评估