Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #4341

reasoning benchmarks

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

LogicTrack: аудит рассуждений LLM с помощью формальных логических решателей

LogicTrack — нейро-символическая система, автоматически формализующая каждый шаг Chain-of-Thought и проверяющая его с помощью автоматических теорем-пруверов; вводится механизм оценки Solver-Based Backtracking Reward (SBR) для пошаговой оценки логической корректности и управления поиском с возвратом. Авторы также конструируют данные для контролируемой дообучки из трасс возврата и сообщают об улучшении проверяемости цепочек рассуждений и финальных результатов на 8 бенчмарках и с 7 LLM (arXiv:2609.21492v1).

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья LLM-as-an-Improver предлагает Verify–Repair–Reselect (VRR) для генерации улучшенных кандидатов с помощью верификации

В работе arXiv:2609.19515v1 представлена LLM-as-an-Improver и метод Verify–Repair–Reselect (VRR), который использует обратную связь от верификатора не только для ранжирования, но и для генерации и повторного выбора улучшенных кандидатов. VRR сохраняет первоначального победителя, условно генерирует исправленные и альтернативные решения, фильтрует некорректные и дублирующие кандидаты только по сигналам во время инференса и снова выбирает ответ по исходным критериям; авторы сообщают о преимуществах над фиксированным пулом кандидатов на нескольких моделях и в задачах генерации кода и рассуждений, в том числе когда в начальном пуле не было корректных ответов.

6.0