VeriBench 上的定理生成代理排名
sanmikoyejo · x · 2026-07-12
转发内容展示了一个名为 VeriBench 的评测结果，比较的是定理生成 agent 的表现。
结果显示：DSPy ReAct 0.615 > Trace++ 0.588 > Trace+ 0.477 > baseline 0.470。同时作者强调，这里的结论只代表验证集上的校准证据，并不意味着普遍可靠性；下一步还会做一个锁定的留出测试集。
「研究」频道最新
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- Diamandis 详解 AI 癌症导航与 $100 基因测序如何缩小抗癌鸿沟 — PeterDiamandis · 2026-10-27
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27