★ 3
PRIME 框架：让 LLM 智能体结论可溯源、拒绝无据判断
论文提出 PRIME（Precommitted Rules for Inference from Minimal Evidence），在检查前预先固定证据路径，并用独立程序记录每次检查结果，只允许规则与账本授权的结论。在 480 个公共记录任务上，普通智能体有 26.7% 任务给出无据结论，PRI…
arXiv cs.AI13 天前
#可验证推理
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
FD-SCoPE模型可回答临床试验证据表问题并溯源
论文提出 FD-SCoPE 框架，让语言模型回答临床医生对系统综述证据表的两类提问，并公开查询、所选试验与推导规则，同时从专家纠正中学习。在含 159 条免疫检查点抑制剂试验记录的肿瘤学证据表上，完成全部 140 项临床风格任务，派生属性问题的相关记录召回率达 99.3%，专家纠正后未见问题 F1…
arXiv cs.AI28 天前
★ 2
AlphaDiana：智能体可验证推理测量系统发布
研究者提出 AlphaDiana，一个面向智能体在可验证推理任务中的测量系统，提供数据集、智能体、环境与评分器的模块化接口。实验覆盖三个开源模型与三个开源 harness、五个答案型基准，发现 harness 并不稳定提升推理准确率，技能引导与历史记忆也未必有效。该系统将答案正确性与执行状态关联到…
arXiv cs.AI17 天前