实体 ChaosBench-Logic

ChaosBench-Logic

PulseAugur coverage of ChaosBench-Logic — every cluster mentioning ChaosBench-Logic 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_303397 · Oct 16 · 04:00

新基准测试 LLM 在混沌系统上的逻辑推理能力

研究人员推出 ChaosBench-Logic，这是一个旨在测试大型语言模型（LLM）在混沌动力学系统上的逻辑和符号推理能力的新基准。该基准包含 30 个系统，涵盖七种推理类别的 621 个问题，并定义了逻辑准确性和对话连贯性的指标。初步评估显示，GPT-4、Claude 3.5 Sonnet、Gemini 2.5 Flash 和 Llama-3 70B 等领先的 LLM 在单项准确率方面表现出色，但在对话中的组合推理和全局连贯性方面存在困难。