EngTrace：面向工程推理的过程可验证评测基准
热点事件观察中
EngTrace：面向工程推理的过程可验证评测基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
论文作者发布符号化基准 EngTrace，用于对工程推理做可验证的过程评估。基准由150个专家认证模板生成题目，覆盖5个分支、15个领域、42个方向，每题附带标准推理轨迹，使各中间量精确已知；评测器检查最终答案、标准轨迹中间量（里程碑）的覆盖情况和展示的算术，大部分不依赖 LLM 评审。 对11个 LLM 的评测显示，仅比较最终答案难以区分最强模型，但其推导过程存在差异；答案错误的模型仍包含约一半标准轨迹里程碑。领域专家认为多数错误源于计算失误，困难问题中概念错误更常见。
AI 根据报道生成 · 10 小时前更新
最新进展10月20日 12:00
EngTrace：用于工程推理可验证过程评估的符号基准报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIEngTrace：用于工程推理可验证过程评估的符号基准
作者提出 EngTrace 符号基准，用150个专家认证模板覆盖五个分支、15个领域和42个区域，并为每道题生成包含已知中间量的标准推理轨迹。对11个 LLM 的评测显示，仅比较最终答案难以区分强模型，但答案错误的模型仍包含约一半标准轨迹里程碑；领域专家认为多数错误源于计算失误，困难问题中的概念错误更常见。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。