实体
AI Tribunal
AI Tribunal
PulseAugur coverage of AI Tribunal — every cluster mentioning AI Tribunal across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Peter Thiel 的人工智能审判从记者审判转向模型评分
Peter Thiel 的人工智能审判（AI Tribunal）最初是为了审判记者而设立的，现已将其重点转向记分板模式。这种新方法旨在评估和排名人工智能模型，脱离了其先前对抗性的形式。
-
新的EngTrace基准测试LLM的可验证工程推理能力
研究人员推出EngTrace，这是一个新的符号基准，旨在严格评估大型语言模型（LLM）的工程推理能力。与侧重于孤立技能的现有基准不同，EngTrace评估了科学原理、定量建模和工程任务所需的实际约束的整合。该基准包含90个参数化模板，涵盖三个工程分支和九个领域，生成超过1350个问题实例，并采用新颖的两阶段评估框架，在验证最终答案的同时验证中间推理过程。对27个LLM的评估揭示了数值精度和推理过程保真度之间的权衡，突显了一个复杂性鸿沟…