★ 3
CogGym：人机认知大规模对比评估框架
论文提出 CogGym，一个基于认知科学的可扩展统一框架，通过半自动人机协同流程将实验标准化为 Experiment Markup Language，实现人机行为的大规模可比对。首版收录 100 篇论文的 258 个认知实验并评估 50 个大模型，发现模型在常识推理上进步远慢于数学与编程，最佳模型…
arXiv cs.AI42 天前
#常识推理
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
EventTyp 语料研究：LLM 缺乏常识难判事件典型性
arXiv 论文构建 EventTyp 与人工验证的 EventTypGold 两个语料，开展大规模人类与大模型实验，发现人类依据常识知识、话语强调与讽刺三条线索推断事件典型性。但在多数实验设置下，LLM 缺乏必要的常识知识，难以准确评估事件的一般典型性，因而无法遵循这些线索。
arXiv NLP6 天前
★ 2
arXiv 提出多语言常识翻译源对比诊断方法
论文针对多语言推理基准中翻译前提可能失真问题，提出源条件对比诊断：反转英文极性后分别翻译，统计目标端输出碰撞。在 71 组问题、5 种目标语言上，斯瓦希里语在 710 对中出现 63/113/67 次完全碰撞，说明至少一侧翻译不忠实。研究为多语言基准质量审核提供可控测量手段。
arXiv NLP13 天前
★ 2
Route-Verify-Vote：混合域推理的程序条件自一致性
论文提出 Route-Verify-Vote（RVV）框架，通过程序条件自一致性在不更新参数的情况下提升语言模型混合域推理能力。方法用域标签选择推理程序，逐项验证选项，再对完整答案集投票，并对票数接近的问题分配更多样本。在 SCoRE 2026 官方测试集上，自适应 RVV 达 77.3%，多模型…
arXiv cs.AI25 天前
这个主题的相关资产
相关公司Cognition1