实体
Thomas Adamczewski
Thomas Adamczewski
PulseAugur coverage of Thomas Adamczewski — every cluster mentioning Thomas Adamczewski across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
语言模型在新的OEIS Open基准上证明数学猜想
研究人员开发了OEIS Open，这是一个旨在评估语言模型能够证明多少数学猜想的新基准。该基准基于来自整数数列在线百科（On-Line Encyclopedia of Integer Sequences）的492个开放猜想，并已在Lean中形式化，允许通用语言模型自主尝试证明。初步结果表明，语言模型能够以适度的成本解决其中很大一部分猜想，其中一个模型在使用每次200美元的预算时，在一个基准子集上取得了44%的得分。
-
MirrorCode基准测试AI仅凭行为重建软件的能力 · 已追踪2个来源
研究人员推出了MirrorCode，这是一个新的基准测试，旨在评估AI在仅从观察到的行为中重建整个软件项目（无需访问原始源代码）的能力。该基准测试包含25个多样化的目标程序，包括Unix实用程序和生物信息学工具，要求AI代理在各种测试中精确匹配原始程序的输出。目前的AI模型在MirrorCode上已能达到56%的准确率，展示了它们在长时程软件工程任务中的能力，例如重新实现一个名为gotree的16000行生物信息学工具包。Mirror…