arXiv · cs.AI· Noel Thomas·· 1 天前
ChaosBench-Logic v2：大规模评估LLM在动力系统上的逻辑推理
ChaosBench-Logic v2: Evaluating LLM Logical Reasoning over Dynamical Systems at Scale
arXiv:2605.24305v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Noel Thomas
研究任务与主要进展
ChaosBench-Logic v2提出包含165个动力系统、40,886道问题的逻辑推理基准，并配套CARE（Calibration- and Adversarial-Robust Evaluation）协议，用于暴露先验坍缩、改写不一致和参数依赖动力学推理失效。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org