PulseAugur
实时 09:32:43
实体 NL2AGBench

NL2AGBench

PulseAugur coverage of NL2AGBench — every cluster mentioning NL2AGBench across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_227052 ·

    新基准测试LLM形式化几何问题的能力,以用于AlphaGeometry

    研究人员开发了NL2AGBench,这是一个新的基准,旨在评估大型语言模型将非正式几何问题转化为AlphaGeometry所需的正式语言的能力。这一点至关重要,因为AlphaGeometry在国际数学奥林匹克竞赛中表现接近金牌选手水平,它需要专门的领域特定语言作为输入,而手动转换是一个重大的瓶颈。该基准使用AlphaGeometry内的基于执行的验证来评估翻译质量。实验表明,领先的闭源LLM实现了超过80%的可执行翻译率,显著优于难以…