返回每日动态论文Amazon 论文审计 9 个政策决策基准，发现评分器和参考答案自身有错X：Rohan Paul (@rohanpaul_ai)11月9日 05:24导读Amazon 论文审计 9 个政策类决策基准，发现用于评测模型处理税务、法律和商业规则的基准常把正确答案判错，原因在基准自身的参考答案或评分代码有误。