Research1 分钟阅读
PLE: 物理工程的最后考试
arXiv:2610.30537v1 发布类型: 新 摘要: 前沿语言模型现在在流行知识基准测试中得分超过90%，并越来越多地作为执行多小时专业工作的代理被部署。然而，现有基准测试没有测试它们是否能够执行...
arXiv — cs.AI作者: Rujun Han, Yufan Zhuang, Arijit Ray, Han Yu, Zoey CuiZhu, George Lee, Yifei Ming, Binz Roy, Varun Sakalkar, Vishy Tirumalashetty, Burak Gokturk, Tomas Pfister, Chen-Yu Lee2026年10月23日 (2小时前)
提供 4 种语言版本AI 摘要：要点
- arXiv:2610.30537v1 发布类型: 新 摘要: 前沿语言模型现在在流行知识基准测试中得分超过90%，并越来越多地作为执行多小时专业工作的代理被部署。然而，现有基准测试没有测试它们是否能够执行...
Research
KZ·AI 99ADИнсайт дня
PLE: 物理工程的最后考试
标签：#arXiv
相关文章
Research1 分钟
中国数学家准备1000道题向人工智能发起挑战
🧠 中国数学家准备1000道题向人工智能发起挑战 61岁南京大学教授孙志伟编纂了一部包含1000个未解数学猜想、超过400页的合集。该学者坚信人工智能无法解决……
Telegram — GPT Time | Нейросети | ИИ
利用人机协作发现循环突破Lehmer问题中的高次数障碍
arXiv:2610.30277v1 通告类型: new 摘要: 虽然人工智能在数学推理方面取得了快速进展，但许多开放问题依赖于仅通过大规模计算探索和分析综合才能揭示的结构。一个这样的例子……
arXiv — cs.AI
Route-and-Generate：用于LLM推理路由的KL正则化路由器改进
arXiv:2610.30351v1 通告类型：new 摘要：大语言模型往往不加区分地应用复杂推理，导致在简单任务上过度思考，在困难任务上思考不足。我们提出Route-and-Generate (Rouge)，一种分层训练框架，使得...
arXiv — cs.AI
ENSoft Ontology Priors over Latent Concept Posteriors for Weakly Supervised Neuro-Symbolic Learning
arXiv:2610.30391v1 Announce Type: new Abstract: Neuro-symbolic (NeSy) predictors that supervise only the task label suffer from reasoning shortcuts: distinct concept mappings achieve the same maximum likelihood, leaving the recovered concepts unidentifiable and unsafe for…
arXiv — cs.AI