arXiv · cs.AI· Noel Thomas·· 7 小时前
ChaosBench-Logic：混沌动力系统逻辑与符号推理评测基准
ChaosBench-Logic: A Benchmark for Logical and Symbolic Reasoning on Chaotic Dynamical Systems
arXiv:2601.01982v2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
期刊信息（来源提供）：AAAI 2026 Bridge Program on Logical and Symbolic Reasoning in Language Models, Singapore, Jan 2026
研究任务与主要进展
ChaosBench-Logic 是面向大语言模型逻辑与符号推理的新基准，覆盖30个混沌动力系统和621个问题。论文摘要称其采用统一一阶逻辑本体，评估七类推理任务，并开源评测流程；GPT-4、Claude 3.5 Sonnet、Gemini 2.5 Flash 和 LLaMA-3 70B的单题准确率为91%—94%，但组合题得分为0%，对话级准确率为53.1%—75.5%。
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