WORTH Benchmark: Khám phá bằng chứng dưới thông tin không hoàn toàn hợp tác -- Thử nghiệm hai tập

Đoạn trích bài viết

Các đánh giá suy luận hiện tại thường cung cấp thông tin liên quan đến nhiệm vụ cho các mô hình dưới dạng các tiền đề có sẵn, hiếm khi kiểm tra đồng thời cách các mô hình tự khám phá bằng chứng và cách thức trình bày thông tin trong các câu chuyện định hướng hoặc làm che khuất phán đoán.