实体 StochBench

StochBench

PulseAugur coverage of StochBench — every cluster mentioning StochBench 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_245224 · Sep 10 · 04:00

新的StochBench基准测试LLM在随机过程上的表现 · 跟踪1个来源

研究人员推出StochBench，这是一个旨在评估大型语言模型在随机过程复杂问题上能力的新基准。该基准包含450个研究生级别的难题，旨在比侧重于竞赛数学的现有基准更能代表领域特定的应用数学。一个使用Opus 4.8的代理在15分钟/题的时间限制内，在StochBench上达到了34.9%的证明率。