实体 ArgGYM

ArgGYM

PulseAugur coverage of ArgGYM — every cluster mentioning ArgGYM across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

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 1 条

TOOL · CL_273126 · Oct 1 · 04:00

新的ArgGYM基准测试LLM的可驳推理能力

研究人员推出ArgGYM，一个旨在评估和训练大型语言模型结构化可驳推理能力的新基准。该基准侧重于处理不完整和可修改信息时的推理，这是现实世界问题解决中的常见方面。ArgGYM包含十二个不同的任务，其评估基于一个符号论证引擎以确保准确性。对前沿模型和开源模型的初步测试揭示了不同的推理能力，模型在更复杂的配置上表现出部分成功但性能下降。