DeepAmbigQA：用于评测 LLM 答案完整性的歧义多跳问答基准

Apple 提出 DeepAmbigQA，一个面向 LLM 答案完整性的歧义多跳问答基准，并配套自动数据生成流水线 DEEPAMBIGQAGEN。该基准针对"《Heat》中哪位演员拿过至少一座奥斯卡奖"这类问题，同时考察同名作品区分与跨大量演员的推理整合能力，而现有 QA 基准很少联合评测这两项挑战。