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
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11
- AI 视频仍穿帮的五个信号:小物件物理、无摄影师与跨镜头光线断裂 — NewPhoneWhotiz · 2026-09-11