arXiv 人工智能· Youngkyung Seo, MiHyeon Kim, Jisoo Lee, Hwijung Ryu·· 10 小时前AI 评分35
SERIAL-7：跨表示推导、实现与保留机器可验证输出
SERIAL-7: Deriving, Realizing, and Preserving Machine-Verifiable Outputs Across Representations
AI 导读
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。
来源：arXiv 人工智能 · arxiv.org