ChaosBench-Logic v2 发布并引入 CARE 评测
热点事件持续更新
ChaosBench-Logic v2 发布并引入 CARE 评测
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Noel Thomas 发布了 ChaosBench-Logic v2，用于评估大语言模型在动力系统上的逻辑推理能力，并配套提出 CARE 评测协议。该基准包含 40,886 个问题，覆盖 165 个动力系统，使用 27 个一阶逻辑谓词和 78 条公理边；报道还称，CARE 用于揭示模型表现中的问题。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
ChaosBench-Logic v2：大规模评估 LLM 在动力系统上的逻辑推理能力报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · Machine LearningChaosBench-Logic v2：大规模评估 LLM 在动力系统上的逻辑推理能力
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。