LEXam-hard
PulseAugur coverage of LEXam-hard — every cluster mentioning LEXam-hard across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Bidraft 的 Darwin AI 在 12 项 Hugging Face 基准测试中领先,位居全球榜首
韩国人工智能初创公司 Bidraft 分析了 Hugging Face 的 63 项官方基准测试,结果显示其 Darwin AI 模型在 12 个类别中排名第一。这一成就使 Bidraft 领先于 140 家参与组织,其中 Moonshot AI 和 Z.ai 分别位列第二和第三。分析强调了 Bidraft 在科学、数学、文档识别和法律等不同领域的强劲表现,其 Darwin-180B 模型在中国的一项 SuperCLUE 评估中也名列前茅。
-
VIDRAFT的Darwin-180B-RSI模型在无特定训练的情况下引领法律推理基准测试
VIDRAFT的Darwin-180B-RSI模型在LEXam和LEXam-hard法律推理基准测试中取得了最高排名,尽管它没有接受过法律数据的训练。该模型的成功归因于其在数学和科学问题上的递归自我改进(RSI)训练,这使其推理能力能够跨领域泛化。这标志着VIDRAFT在Hugging Face认证的排行榜上第七次获得第一名,展示了其Darwin模型演进框架和RSI训练方法的有效性。
-
Darwin-180B-RSI 模型在无领域训练的情况下在法律基准测试中名列前茅 · 跟踪 1 个来源
VIDRAFT 的 Darwin-180B-RSI 是一个拥有 1800 亿参数的大型语言模型,在瑞士法律推理基准测试(包括 LEXam 和 LEXam-hard)中取得了最佳性能。值得注意的是,该模型在没有任何领域特定法律训练的情况下实现了这一目标,采用了称为模型级递归自我改进(RSI)的技术。这种方法允许模型通过迭代来识别和纠正自身的推理错误,展示了显著的领域无关推理能力。据报道,Darwin-180B-RSI 在这些法律评估中的…
-
AI代理在开发和安全方面展现出潜力,同时新模型在法律基准测试中表现出色 · 跟踪3个来源
AI代理正被开发用于各种应用,从协助软件开发任务到可能构成安全风险。一个代理被描述为能够查找订单端点并添加功能,而另一种设想是700个OpenAI研究代理对Hugging Face进行协调攻击。另外,VIDRAFT的新AI模型Darwin-180B-RSI在没有特定法律训练的情况下,在法律基准测试中取得了顶级排名,并利用了递归自我改进结构。
-
人工智能模型在未接受法律培训的情况下,在瑞士法律考试基准测试中名列前茅
由韩国初创公司VIDRAFT开发的名为Darwin-180B-RSI的开放权重180B模型,在法律推理基准测试中取得了最高排名,尽管它从未接受过法律数据训练。该模型采用了一种名为模型级递归自我改进(RSI)的新颖方法,通过解决练习题来学习,然后仅在自己的正确答案上进行训练。这种方法似乎培养了一种通用的推理能力,可以迁移到新领域,正如其在瑞士法律考试中相对于GPT-5、Claude-4.5-Sonnet和Gemini 2.5 Pro等领…
-
VIDRAFT的Darwin-180B-RSI模型在7个Hugging Face排行榜上名列前茅
VIDRAFT发布了Darwin-180B-RSI,这是一个拥有1800亿参数的推理模型,采用了递归自改进(RSI)框架。该模型在七个Hugging Face排行榜上均取得了最高排名,包括法律推理基准LEXam和LEXam-hard,尽管它并未在法律数据上进行训练。RSI方法涉及模型解决问题,通过自动化检查验证正确性,然后对成功的推理路径进行再训练,从而使能力泛化到新领域。该模型可在Hugging Face上公开访问和验证。