XYBench: el benchmark que mide si la IA entiende tu problema
Qué es XYBench y por qué ganó el premio en EMNLP 2026 El equipo de allenai publicó XYBench, un benchmark de 8.115 preguntas reales que mide algo que casi ningún test de modelos evalúa: si el asistente detecta que la consulta del usuario parte de una premisa equivocada y lo redirige hacia su objetivo real. …









