★ 3
WITNESS：交互式谜题中的规则发现与顿悟基准
论文提出 WITNESS，一个基于二维网格的交互式规则发现谜题环境，配套 WitnessGym 强化学习训练套件与 WitnessBench 基准。在统一测试下，18个前沿专有与开源模型中最优者仅解出24%的私有测试关卡。提供真值规则可将 Opus-5 验证集 RHAE-L5 从59.9提升至97…
arXiv cs.AI34 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 WITNESS，一个基于二维网格的交互式规则发现谜题环境，配套 WitnessGym 强化学习训练套件与 WitnessBench 基准。在统一测试下，18个前沿专有与开源模型中最优者仅解出24%的私有测试关卡。提供真值规则可将 Opus-5 验证集 RHAE-L5 从59.9提升至97…