实体
QuestBench
QuestBench
PulseAugur coverage of QuestBench — every cluster mentioning QuestBench 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AtManRL方法增强了LLM推理的忠实度
研究人员开发了一种名为AtManRL的新方法，以提高大型语言模型中思维链推理的忠实度。该技术利用可微分注意力操纵和强化学习，确保推理过程对模型的答案有因果贡献。在GSM8K和MMLU等基准测试中，对Qwen2.5-3B、Granite-3.3-2B和Phi-4-mini等模型的评估表明，在不牺牲准确性的情况下，显著性和忠实度均有所提高。
-
新的 QuestBench 基准揭示了人工智能在人文学科中的失败
研究人员开发了 QuestBench，这是一个旨在通过让学生构建和评估人工智能系统来教授他们关于人工智能的新基准。这种方法鼓励学生定义什么构成值得信赖的答案，而不仅仅是将人工智能用作生产力工具。该基准包含 14 个人文和社会科学领域的 256 个问题，揭示了当前人工智能系统的重大缺陷，表现最好的 GPT-5.5 的通过率仅为 57.58%。