实体 VerinaPlus

VerinaPlus

PulseAugur coverage of VerinaPlus — every cluster mentioning VerinaPlus 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

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_44915 · May 22 · 04:00

新框架VeriScale改进了LLM代码生成基准测试

研究人员开发了VeriScale，一个旨在为评估大型语言模型生成的代码创建更鲁棒的基准测试的新框架。该框架使用对抗性方法来扩展然后缩减测试套件，从而揭示出简单基准测试可能忽略的模型弱点。在Verina基准测试上使用VeriScale进行的实验显示，最先进的LLM的性能显著下降，突显了当前评估方法的局限性。