实体
Putnam
Putnam
PulseAugur coverage of Putnam — every cluster mentioning Putnam across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的 StochBench 基准测试 LLM 在 Lean 中处理随机过程 · 跟踪 2 个来源
研究人员推出了 StochBench，这是一个旨在评估大型语言模型在 Lean 4 编程语言中处理随机过程能力的新基准。该基准包含 450 个研究生级别的难题，涵盖了马尔可夫链、布朗运动和随机微积分等领域，这些领域在现有的以数学为中心的基准中常常代表性不足。一个使用 Opus 4.8 的代理在 15 分钟内每个问题解决时限内，在 StochBench 上达到了 34.9% 的证明率，这表明该基准对高级证明器来说具有挑战性。
-
新框架TopoAlign利用代码提升LLM数学推理能力
研究人员推出TopoAlign，一个旨在通过利用海量代码库来增强大型语言模型（LLM）数学推理能力的新型框架。该方法通过将代码结构转化为镜像形式数学陈述的类似物，解决了正式数学语料库稀缺的问题，从而使在代码上训练的LLM能够提高其在数学自动形式化任务上的表现。在MiniF2F和Putnam等基准上的评估表明，DeepSeek-Math和Herald等模型取得了显著的进步，尤其是在形式陈述生成和类型检查等领域。