实体 Weiqi Zhai

Weiqi Zhai

PulseAugur coverage of Weiqi Zhai — every cluster mentioning Weiqi Zhai 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_206326 · Aug 18 · 04:00

新的 HLE-Verified 基准修正了 Humanity's Last Exam 中的错误

研究人员开发了 HLE-Verified，这是 Humanity's Last Exam (HLE) 基准的一个修订版本，旨在解决有关噪声数据和有偏评估的担忧。新基准采用两阶段验证和修复过程，包括专家审查和基于模型的交叉检查，以确保准确性。在测试最先进的语言模型时，HLE-Verified 显示平均准确率提高了 7-10 个百分点，在包含原始问题陈述或答案错误的条目上有了显著改进。