factual-knowledge

文章介绍了L3Cube-IndicQuest v2，这是一个大规模多语言基准测试，旨在评估大型语言模型在印度语言中的事实知识，并展示了六个模型的评估结果。

本文介绍了'组合坍缩'这一现象，即语言模型虽然拥有稳定的事实知识，但仍无法将这些知识组合成正确的多跳推理，并提出了一个双门协议，以将组合失败与原子知识不稳定性分离开来。