实体 TCS-Bench

TCS-Bench

PulseAugur coverage of TCS-Bench — every cluster mentioning TCS-Bench 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_256056 · Sep 15 · 18:14

Google 的 Stellar Colosseum 模型利用 Gemini 模型攻克长时数学证明

Google Research 开发了一个名为 Stellar Colosseum 的新型多智能体系统，旨在解决长时任务，尤其是在数学证明方面。该系统分阶段运行，并行生成候选解决方案，对其进行有针对性的证伪，并将其与批评意见合并。当与 Gemini 3.1 Pro 和 Gemini 3.7 Flash 结合使用时，Stellar Colosseum 在定理证明任务的 TCS-Bench 基准测试中取得了 71.0% 的成功率，并解决了…