实体 ReliableMath

ReliableMath

PulseAugur coverage of ReliableMath — every cluster mentioning ReliableMath 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_229120 · Sep 1 · 04:00

新的多语言基准评估大型语言模型数学可解性检测能力

arXiv上发表的一项新研究提出了首个用于评估大型语言模型（LLMs）数学可解性检测能力的多语言基准。该基准在现有ReliableMath数据集的基础上，增加了法语和希腊语问题，并保留了英语。研究人员发现，大型语言模型以一种普遍的、与语言无关的方式编码可解性信念，但像英语这样资源更丰富的语言在检测可解性方面表现出较低的忠实度。