★ 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%
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…
arXiv cs.AI8 小时前
#可验证性
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
AffectOmni：可验证的情感推理框架
多模态大模型在情感推理上存在捷径行为，忽视人物线索。AffectOmni 通过 GRPO 训练，引入人物聚焦和时间顺序奖励，并使用 SAM3 进行像素级证据验证。实验表明其在情感识别和时间敏感任务上显著提升。
arXiv cs.AI66 天前
★ 2
视频讨论 AI 在纳维-斯托克斯、黎曼猜想上的数学危机
一则视频讨论 AI 在纳维-斯托克斯方程、黎曼猜想与复杂性理论等重大数学难题上的表现所引发的争议。核心议题是 AI 生成的数学结果能否被验证、是否构成真正的突破。
Hacker News – AI6 天前
★ 2
Kubernetes 用于 AI 智能体：代码廉价时证明更重要
文章讨论将 Kubernetes 的编排思路引入 AI 智能体开发，认为当代码生成成本趋近于零时，可验证性（proof）比代码本身更有价值。作者主张用类似 K8s 的声明式与可审计机制来管理智能体行为。
Hacker News – AI24 天前
★ 2
TrustNotch：无需信任提供方即可验证的AI代理审计日志
TrustNotch 是一个面向 AI 代理的审计日志工具，主打无需信任服务提供方即可独立验证日志真实性。它针对企业部署 AI 代理时缺乏可信审计的痛点，试图用密码学手段建立可验证的执行记录。目前项目热度较低，属于早期探索阶段。
Hacker News – AI52 天前
★ 1
Fateshow：先出图表再给可核查的 AI 解读
Fateshow 是一个新上线的网站，主打先展示图表数据、再提供可被用户核查的 AI 解读。该产品试图解决 AI 生成内容难以验证的问题，目前在 HN 上热度极低。
Hacker News – AI33 天前