实体
HLE-Verified
HLE-Verified
PulseAugur coverage of HLE-Verified — every cluster mentioning HLE-Verified across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
Google DeepMind 发布 Gemini 3.8 Flash 和 Cyber 版本
Google DeepMind 发布了其 Gemini 模型的新两个版本：Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。Gemini 3.8 Flash 在速度和成本与前代 Gemini 3.7 Flash 相同的情况下，提供了更强的推理和编码能力，适用于通用企业用途和自主代理。Gemini 3.8 Flash Cyber 专为网络安全任务设计，在漏洞检测和自动化修复方面展现了前沿水平的性能，并通…
-
新的 HLE-Verified 基准修正了 Humanity's Last Exam 中的错误
研究人员开发了 HLE-Verified，这是 Humanity's Last Exam (HLE) 基准的一个修订版本，旨在解决有关噪声数据和有偏评估的担忧。新基准采用两阶段验证和修复过程，包括专家审查和基于模型的交叉检查，以确保准确性。在测试最先进的语言模型时，HLE-Verified 显示平均准确率提高了 7-10 个百分点，在包含原始问题陈述或答案错误的条目上有了显著改进。
-
新的CRISP框架训练LLM搜索代理更高效
研究人员推出CRISP，一个旨在训练由大型语言模型驱动的更高效深度搜索代理的新框架。与以往简单减少工具使用的方法不同，CRISP识别并保留了必要的证据收集步骤，同时删除了冗余的步骤。该方法在BrowseComp和HLE-Verified上进行了测试，在不影响准确性的情况下显著减少了交互轮次。