实体 ProClaim-eval

ProClaim-eval

PulseAugur coverage of ProClaim-eval — every cluster mentioning ProClaim-eval 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_338447 · Nov 2 · 05:00

新数据集和方法改进了AI智能体对科学声明的验证能力

一篇新研究论文介绍了一个名为ProClaim-eval的数据集，旨在评估AI智能体从科学文献中验证共识声明的能力。研究发现，在模型上下文之外维护一个结构化的证据状态，而不是仅仅依赖上下文内的累积，可以显著提高性能。此外，一个单独训练的、读取该证据状态的裁判模型，其与黄金标签的一致性高于Claude Sonnet 4.6和Claude Haiku 4.5等现成模型。