arXiv · Machine Learning· Noel Thomas·· 23 小时前AI 评分44
ChaosBench-Logic v2：大规模评估 LLM 在动力系统上的逻辑推理能力
ChaosBench-Logic v2: Evaluating LLM Logical Reasoning over Dynamical Systems at Scale
AI 导读
ChaosBench-Logic v2 提出一个包含 40,886 个问题、165 个动力系统、27 个 FOL 谓词和 78 条公理边的基准，并以 CARE 协议评估 14 个模型。
来源：arXiv · Machine Learning · arxiv.org