论文页面 - MoveBench：一个基于评分标准的大语言模型体育与健康教练能力评估基准

来源: https://huggingface.co/papers/2610.26185

摘要

MoveBench 提出了一个专门针对体育与健康教练场景的大语言模型评估基准，涵盖选择题与开放性任务，重点关注安全性、科学有效性和个性化能力。

尽管大语言模型（large language models, LLMs）发展迅速，但由于缺乏针对该领域的评估基准，其在体育与健康领域的部署仍然面临高风险。现有的通用基准（例如 MMLU 和 HELM）主要评估广泛的知识和推理能力，但无法捕捉运动安全、生理适宜性、个性化以及可操作的教练质量等关键领域需求。这一差距在健身和健康应用中尤为令人担忧，因为不正确或不安全的建议可能导致身体伤害。为了解决这一局限性，我们提出了 MoveBench——首个专门针对体育与健康教练场景设计的综合评估大语言模型的框架。该基准整合了多种异构任务格式，包括选择题（multiple-choice questions, MCQs）和开放性问答（open-ended question answering, OpenQA），基于真实用户场景构建，并配有强调安全性合规（safety compliance）、科学有效性（scientific validity）和训练逻辑（training logic）的结构化评分标准。通过对 15 个不同的大语言模型在 809 道题目上进行大规模评估，涉及 5,012 条评分标准（rubric-level criteria），我们的结果显示了显著的性能差异，尤其体现在安全意识、结构化训练方案设计和个性化能力方面，凸显了“知道“与“做到“之间的关键差距。我们的工作为体育与健康领域的大语言模型应用建立了基础性的评估标准，并提供了一个可复现的框架，以推动安全、可靠且具备上下文感知能力的 AI 驱动教练系统的发展。开源资源见 https://github.com/SatoSakula/MoveBench。

查看 arXiv 页面 (https://arxiv.org/abs/2610.26185) | 查看 PDF (https://arxiv.org/pdf/2610.26185) | 项目页面 (https://keepace.ai/) | GitHub17 (https://github.com/Keep-Tech/MoveBench) | 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.26185)

在您的 Agent 中获取本文

hf papers read 2610.26185

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型：0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.26185 即可将模型从本页面链接。

引用本文的数据集：1

KeepaceAI/MoveBench Viewer • 更新于约 2 小时前 • 80 • 535 • 2 (https://huggingface.co/datasets/KeepaceAI/MoveBench)

引用本文的 Spaces：0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.26185 即可将 Space 从本页面链接。

收录本文的收藏集：0

暂无收藏集收录本文

将本文添加到收藏集 (https://huggingface.co/new-collection) 以将其从本页面链接。