लेखकों ने WILDTRACE पेश किया, एक नया बेंचमार्क जो मॉडलों की लंबे दस्तावेज़ों में दूर-दराज खंडों में बिखरे प्रमाणों को कितनी अच्छी तरह एकीकृत करते हैं, इसका मूल्यांकन करने के लिए डिज़ाइन किया गया है। मौजूदा बेंचमार्क्स के विपरीत जो रोपित तथ्यों या उल्टे-इंजीनियरिंग चेन्स पर निर्भर करते हैं, WILDTRACE 214 प्राकृतिक स्रोतों से व्युत्पन्न 481 कार्यों का उपयोग करता है, जैसे तकनीकी घटना रिपोर्ट और साहित्यिक कथाएँ।
- बेंचमार्क कारण, कालिक और कथानक तर्क के आधार पर सात स्रोत-आंतरिक प्रमाण ज्यामितियों को परिभाषित करता है।
- एक source-first पाइपलाइन प्रश्न लिखे जाने से पहले दस्तावेज़ संरचना से उम्मीदवार पथ खोजता है।
- आइटम संकेत की आवश्यकता, उत्तर के आधार, रूब्रिक विश्वसनीयता, दूषित प्रतिरोध और उत्तर देने की क्षमता के लिए बहु-चरण मान्यता से गुजरते हैं।
यह कार्य जानकारी तक पहुँचने और प्राकृतिक रूप से बिखरे प्रमाणों पर तर्क करने के बीच की खाई को दूर करता है, जो वास्तविक-दुनिया की उच्च-जोखिम विश्लेषणात्मक कार्यों के लिए महत्वपूर्ण है।