Dans l'actualité
DeepAmbigQA: Ambiguous Multi-hop Questions for Benchmarking LLM Answer Completeness
Apple Machine Learning Research · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Apple researchers released DeepAmbigQA, a 3,600-question benchmark testing whether LLMs can answer complex questions requiring both name disambiguation and multi-hop reasoning.
- Pourquoi ça compte
- Engineers building search-augmented LLM systems should care when evaluating whether their models return complete answer sets to ambiguous, multi-step questions.
- Vigilance
- Even GPT-5 achieves only 0.13 exact match on ambiguous questions, suggesting current LLMs struggle fundamentally with answer completeness rather than this being a simple benchmark limitation.
Écouter ce résumé
- llm
- language model
- reasoning
- eval
- benchmark
Les patterns derrière cette actualité
- Proactive Clarification & Active Disambiguation
- Eval-Driven Development (Agent CI)
- Agentic Context Engineering (Evolving Playbook)
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.