arXiv cs.AI·3 小时前★ 3

SERIAL-7：韩英双语可执行验证基准，十模型全合规率最高 93.9%

原文标题：SERIAL-7: Deriving, Realizing, and Preserving Machine-Verifiable Outputs Across Representations

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文发布 SERIAL-7，一个韩英双语、面向七种表示形式的机器可验证生成基准，含 177 个规范工件与 43 条原子表示约束。基准将任务拆为语义推导、受约束生成与跨表示保持三段，并配可执行检查。十个模型在 REALIZE-L3 上通过率为 42.0%-93.9%，全合规检查暴露了答案正确之外的工件级失败。

所属主题基准测试5

#学术研究 #基准测试 #结构化生成 #可验证性 #韩英双语 #大模型评测

阅读原文 +0

AI 处理过程展开/收起

原始标题：SERIAL-7: Deriving, Realizing, and Preserving Machine-Verifiable Outputs Across Representations

AI 中文标题：SERIAL-7：韩英双语可执行验证基准，十模型全合规率最高 93.9%

来源：arXiv cs.AI · 发布于 3 小时前

分类：学术研究 · AI 重要度：★ 3（3）

标签：基准测试 / 结构化生成 / 可验证性 / 韩英双语 / 大模型评测

关键词：结构化生成 / 大模型基准 / 可执行验证 / 模型评测 / arXiv 论文

AI 处理：2026/11/2 15:02:58 · 模型 deepseek-chat · 规则版本 2026-10-21.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。