★ 3
统计问题表述的语言模型基准：StatFormBench
本文形式化统计问题表述为分类和变量识别两个子任务，并引入StatFormBench基准，包含1013个样本，覆盖20个粗粒度和85个细粒度类别。14个开源和闭源LLM中，最佳零样本模型仅达72.0%细粒度分类准确率和63.2%变量集重叠。增强提示策略收益有限。
arXiv cs.AI60 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
本文形式化统计问题表述为分类和变量识别两个子任务，并引入StatFormBench基准，包含1013个样本，覆盖20个粗粒度和85个细粒度类别。14个开源和闭源LLM中，最佳零样本模型仅达72.0%细粒度分类准确率和63.2%变量集重叠。增强提示策略收益有限。