发布混沌系统逻辑推理基准ChaosBench-Logic
热点事件持续更新
发布混沌系统逻辑推理基准ChaosBench-Logic
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文作者发布评测大语言模型逻辑与符号推理能力的基准ChaosBench-Logic，覆盖30个混沌动力系统、621道题，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。 初步实验显示，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%，全局一致性较脆弱。结果基于论文摘要。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
ChaosBench-Logic：混沌动力系统逻辑与符号推理评测基准报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIChaosBench-Logic：混沌动力系统逻辑与符号推理评测基准
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%。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
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。