实体 CUMCM

CUMCM

PulseAugur coverage of CUMCM — every cluster mentioning CUMCM 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_344291 · Nov 6 · 05:00

新基准评估AI智能体在终端式数学建模任务上的表现

研究人员推出TB-MathModel，一个旨在评估AI智能体数学建模能力的新型基准。该基准通过提供完整、竞赛风格、智能体化、可验证且终端式的问题，解决了现有系统的局限性。它包含一个独特的评分系统，具有方向感知、单边评估和两层可行性验证过程，以确保结果的完整性。TB-MathModel旨在为评估长时域建模能力提供一个可复现、机器可检查的信号。