PulseAugur
中
实时 18:04:00
实体 ChaosBench-Logic v2

ChaosBench-Logic v2

PulseAugur coverage of ChaosBench-Logic v2 — every cluster mentioning ChaosBench-Logic v2 across labs, papers, and developer communities, ranked by signal.

Show in brief
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
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_50946 ·

    新基准揭示LLM在动态系统中的逻辑缺陷

    研究人员推出了ChaosBench-Logic v2，这是一个旨在严格评估大型语言模型逻辑推理能力的新基准，特别是在动态系统方面。该基准突出了标准准确性指标常常掩盖的关键故障模式，例如先验崩溃和释义不一致。对14个模型的评估显示，虽然前沿模型在状态转移推理方面存在困难，但Qwen 2.5-32B等开源模型在特定诊断领域表现出色。