How UK AISI and EvalEval Are Making Benchmark Results Reproducible
Evaluation & safety · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Sélection automatique · sans validation scientifique par ce site
Langue originale : anglais
Evaluation & safety · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Fine-tuned Large Language Models (LLMs) significantly advance Automated Theorem Proving (ATP), but are often deployed as guiding policies within tree search rather than for single-attempt
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Mathematical reasoning · provider_announcement
OpenAI is working with an independent Advisory Group on Mathematics and Artificial Intelligence to guide the review and communication of emerging AI results.
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Evaluation & safety · provider_announcement
We’re partnering with Accenture on independent evaluation of frontier AI—part of our recent commitment to embed evaluators at Anthropic. Both we and Accenture expect to
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Agent systems · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · provider_announcement
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Mathematical reasoning · preprint
The reasoning ability of large language models (LLMs) is a critical factor for practical LLM-based applications. To investigate the current reasoning capability of LLMs, we
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Scientific autoformalization turns verbal accounts into executable mathematics, but executable code does not settle which model has been constructed. We examine two sources of structural
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Neurosymbolic systems rely on mathematical solvers to guarantee reasoning correctness, yet solvers are fundamentally blind to whether a formal translation maintains strict reference-equivalence to a
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Most of mathematical knowledge has been communicated through so-called informal use of mathematics and natural language. With large language models (LLMs) being highly adept in
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Formalizing mathematics in a proof assistant, where a machine checks every definition, statement and proof, has set a new standard of rigor. Large language models
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Compute & efficiency · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · provider_announcement
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Agent systems · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · provider_announcement
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Evaluation & safety · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Compute & efficiency · primary_technical_publication
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Agent systems · provider_announcement
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Formal verification · preprint
Autoformalization translates informal mathematical theorems into code for proof assistants such as Lean. A central challenge is that current evaluation metrics can accept type-correct but
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Mathematical reasoning · preprint
Current large language models (LLMs) increasingly benefit from external tool integration, especially for tasks requiring reliable computation and verification. Motivated by this, we study calculator
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Evaluation & safety · provider_announcement
Piloting the world's first double-blind AI evaluations
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗AI models · provider_announcement
Sélection automatique · sans validation scientifique par ce siteLire la note de recherche ↗Aucune note correspondante.