一款名为LGMT的新型开源工具已被开发出来,用于测试大型语言模型(LLMs)的逻辑推理一致性。LGMT通过生成逻辑上等价的查询重述并检查LLM是否提供一致的答案来识别不一致之处。在对六个LLMs的测试中,LGMT揭示了20.84%至29.44%之间不一致的比例。该工具可在GitHub上获取,包含20个内置的变质关系,并支持由Z3定理证明器验证的自定义关系。 AI
影响 凸显了LLM推理评估中的一个关键差距,可能推动开发更强大、更可靠的逻辑任务模型。
排序理由 该集群描述了一篇详细介绍用于评估LLM推理能力的开源工具的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →