Tech Meridian
← К СУЩНОСТЯМ
ТЕМА · ENTITY #16864
Хронология связанных событий, источники и контекст из новостной базы.
В статье предлагается Seq@K — протокол, оценивающий, может ли языковая модель решить задачу в течение K последовательных попыток при наличии обратной связи после каждой неудачи. На 7 наборах задач и 16 передовых моделях Seq@K часто даёт иные рейтинги по сравнению с Pass@K, изменяет парето-фронтиры оптимальных конфигураций и выявляет особенности итеративного улучшения и зависимость от формата обратной связи.
Новая статья на arXiv (arXiv:2610.37932v1) предлагает методику оценки способности крупных языковых моделей выдавать допустимые, близкие к оптимальным решения математических задач (включая выпуклую оптимизацию, дробное программирование и ограниченную проекцию). Авторы показывают, что LLM могут улавливать структуру задач и иногда давать близкие к оптимуму решения, но надёжность падает с ростом размерности, часто встречаются численные и форматные ошибки; итеративное уточнение повышает валидность, но остаются системные ограничения для автономного применения.
В статье предложен автоматизированный поэтапный пайплайн, использующий LLM для извлечения по чанкам, иерархической маршрутизации и итеративного уточнения с построением источнико-основанных иерархических графов знаний по даташитам. На 20 даташитах метод показывает 98,8% точности свойств против 76,1% у одношотного базиса и значительно более высокую межграфовую полноту (он полностью покрывает 83,6% верных свойств базиса, тогда как базис покрывает лишь 10,5% свойств этого метода).
Allow Google Analytics to measure visits? It stays off until you choose. You can change your choice at any time.