PulseAugur
中
实时 09:45:56
实体 GPQA-D

GPQA-D

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

Show in brief
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_273369 ·

    新的TRAAC方法通过压缩思维过程优化LLM推理

    研究人员开发了一种新的训练后强化学习方法,称为TRAAC(Think Right with Adaptive, Attentive Compression),以解决大型语言模型中的思考不足和过度思考问题。TRAAC利用自注意力机制来识别和修剪冗余的推理步骤,同时学习根据任务难度分配推理预算。将其应用于Qwen3-4B模型后,TRAAC在AIME、AMC、GPQA-D和BBEH等各种任务上实现了显著的准确性提升,同时缩短了推理步骤的长度。

  2. RESEARCH · CL_267050 ·

    新研究解决了 LLM Agent 在边缘-云、鲁棒性和可靠性方面的挑战

    近期研究探讨了大语言模型 (LLM) Agent 的各个方面,重点在于提高其性能、鲁棒性和可靠性。研究引入了 EC2-Bench 等基准测试用于边缘-云协作,以及 ACED-Bench 用于因果推理。TIPER 和 SkillFusion 等新方法旨在增强鲁棒性和技能组合,而 SchemaWeaver 则加速了设备上 Agent 的执行。此外,研究还探讨了 Agent 的“遗忘”以移除敏感信息,并解决了多 Agent 系统中工具结果绑…

  3. RESEARCH · CL_107855 ·

    研究发现,仅凭两个因素即可预测AI基准分数

    一篇新研究论文提出了一种名为BenchPress的方法,该方法仅使用两个关键分数即可预测前沿模型在众多基准测试中的表现。该研究分析了84个模型和133个基准测试,发现模型的整体表现主要由两个潜在因素决定。这种方法可以显著减少所需的评估次数,表明仅使用五个基准测试的子集就可以高精度地预测模型的完整评分卡。