ClaimScope：72项数学声明审计基准与Qwen3-8B评估
热点事件持续更新
ClaimScope：72项数学声明审计基准与Qwen3-8B评估
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
arXiv论文作者发布ClaimScope，一个包含72项任务的数学声明审计基准，通过验证模型提交的见证（包含裁决、范围、反例和修复）来检查声明，并基于论文摘要报告了Qwen3-8B的评估结果。 在从同一草稿出发的匹配两轮实验中，检查器反馈相比无检查器的通用反馈，将无效声明的已接受反例从15/39提升至23/39，安全完成从20/72提升至25/72；但严格完成数仍为17/72，裁决准确率从47/72变为46/72。研究称增益主要来自见证结构的修正，而非更广泛的推理能力提升；直接输出的仅模式修正也能达到25项安全任务。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
ClaimScope：用于数学声明审计的无标签见证验证报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIClaimScope：用于数学声明审计的无标签见证验证
ClaimScope提出一个包含72项任务的数学声明审计基准，并通过验证模型提交的见证来检查声明。基于论文摘要，在Qwen3-8B实验中，检查器反馈相比无检查器的通用反馈，将无效声明的已接受反例从15/39提升至23/39，将安全完成从20/72提升至25/72；但严格完成数仍为17/72，裁决准确率从47/72变为46/72。研究还发现，直接输出的仅模式修正也能达到25项安全任务。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。