GAMUT introduz a estrutura de meta-avaliação em duas camadas, compilando automaticamente as meta-avaliações estruturadas do conteúdo necessário em uma list...
GAMUT introduz a estrutura de meta-avaliação em duas camadas, compilando automaticamente as
meta-avaliações estruturadas do conteúdo necessário em uma lista de verificação binária que pode ser avaliada por LLMs, usada para avaliar a integridade factual de gerações de texto longo. O benchmark contém 1.813 perguntas baseadas em imagens reais de dispositivos vestíveis, cobrindo 10 áreas. Entre 14 modelos, o Gemini 3.1 Pro obteve a maior pontuação (58,7%), indicando que este benchmark é extremamente desafiador.
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.
Aioga 编辑摘要：GAMUT 引入双层元评分框架，将所需内容的结构化元评分自动编译为 LLM 可评分的二元检查清单，用于评估长文本生成的事实完整性。 Aioga 将其归入「论文研究」方向，重点关注它对真实使用和行业竞争的影响。
背景分析：模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断，单项指标领先不等于已经形成稳定采用。
Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。
影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。 后续观察：继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
Fonte: HuggingFace Daily Papers（社区热门论文）
原文链接: Abrir fonte original
Aioga 归档: 查看情报页
Content record: source-page · Updated: 2026-07-21T00:00:00.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga 自动聚合全球 AI 动态，并保留来源信息用于核验与引用。