Новости
NitiBench+: A Temporal Thai Legal Question Answering Benchmark Across 17 Domains
arXiv cs.AI · Опубликовано · 1 мин чтения
За 30 секунд
- Что произошло
- Researchers released NitiBench+, a Thai legal question-answering benchmark with 1,670 items across 17 domains that tracks how laws change over time.
- Почему это важно
- Matters for engineers building legal AI systems, especially those handling jurisdictions where statutes are frequently amended or repealed.
- На что обратить внимание
- Best model scores only 7.78 out of 10 on the benchmark; performance drops significantly when using current law text instead of law in force at decision date.
- retrieval
- eval
- benchmark
Паттерны, стоящие за этой новостью
- Temporal Knowledge Graph Memory
- Eval-Driven Development (Agent CI)
- Error Handling and Recovery Patterns
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.