实体 HyperLogic-Hard

HyperLogic-Hard

PulseAugur coverage of HyperLogic-Hard — every cluster mentioning HyperLogic-Hard 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_280327 · Oct 5 · 04:00

新的HyperLogic基准测试AI的中文逻辑推理能力

研究人员推出了HyperLogic，一个旨在严格测试AI模型逻辑推理能力的新基准，特别是在中文方面。与通常从形式结构生成问题的现有基准不同，HyperLogic采用了一种前向构建流程，由人类作者首先创建问题，然后由AI代理将其翻译成可执行模型。这种方法旨在保持忠实形式化的难度。该基准分为HyperLogic-Base和HyperLogic-Hard，后者提出了重大挑战，因为没有模型在直接回答方面的准确率超过16%。研究还评估了工具访问…