研究团队推出可验证输出评测基准SERIAL-7
Start here
2026年11月2日，研究人员在arXiv发布韩英双语评测基准SERIAL-7。该基准围绕可执行验证框架，用于评估大语言模型跨7种表示生成机器可验证输出的能力。SERIAL-7包含177个验证工件与43个原子表示约束，将生成过程划分为语义推导、受限工件生成与跨表示保留三个阶段并实施分层检查。在对10款模型的测试中，模型的REALIZE-L3 HSR指标表现介于42.0%至93.9%之间。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能SERIAL-7：跨表示推导、实现与保留机器可验证输出
研究人员提出韩英双语评测基准 SERIAL-7，围绕可执行验证框架评估大语言模型跨 7 种表示生成机器可验证输出的能力。该基准包含 177 个验证工件与 43 个原子表示约束，将生成划分为语义推导、受限工件生成与跨表示保留三个阶段实施分层检查。在 10 款模型的测试中，REALIZE-L3 HSR 介于 42.0% 至 93.9% 之间。
Story heat trend
Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.