实体 OOD reasoning

OOD reasoning

PulseAugur coverage of OOD reasoning — every cluster mentioning OOD reasoning 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_254448 · Sep 15 · 04:00

工具使用使LLM能够克服OOD任务中的推理崩溃

研究人员开发了一个新的基准来测试大型语言模型（LLM）的分布外（OOD）推理能力。他们的评估表明，即使是前沿模型，当前的LLM在问题深度增加时，推理准确性也会显著下降。然而，研究表明，通过工具使用使LLM能够合成、执行和改进代码，可以克服这一限制，使较小的模型在复杂的、长期的推理任务上能够媲美前沿模型的性能。