Ai2 发布 XYBench，测试 AI 助手能否识别提问中的错误假设

Ai2 发布包含 8,115 道真实场景问题的 XYBench，评估助手能否从用户提出的做法中识别错误假设，转而解决其实际目标。在单轮测试中，五款模型都比人类参考答案更少引导用户放弃错误做法；该基准目前仅涵盖英语提问，且以操作类问题为主。