新基准“First Proof”上线：用10道加密数学难题检验LLM的真实推理能力
一个名为“First Proof”的新项目提出了一项独特的测试，旨在验证大语言模型（LLM）是否具备真实的数学推理能力。该项目发布了10道源自真实研究过程的数学难题，虽然答案已被作者掌握，但被暂时加密，以确保这些题目未曾在公开数据集中出现，...
标签索引
数学基准
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
标签索引
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
一个名为“First Proof”的新项目提出了一项独特的测试，旨在验证大语言模型（LLM）是否具备真实的数学推理能力。该项目发布了10道源自真实研究过程的数学难题，虽然答案已被作者掌握，但被暂时加密，以确保这些题目未曾在公开数据集中出现，...