1.加州大学系列
前沿的人工智能模型虽然在众多任务上取得了显著进展，但研究发现，它们在组合推理 (compositional reasoning) 方面仍表现不佳，在多个经典基准测试上甚至低于随机猜测水平加州大学河滨分校Yinglun Zhu研究团队重新审视了这一问题，发现其根源之一在于评测指标本身——它系统性地低估了模型的真实能力。
2.加州大学体系
博客链接：https://yinglunz.com/blogs/ttm.html论文链接：https://arxiv.org/pdf/2510.07632代码链接：https://github.com/yinglunz/test-time-matching
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)