会员服务
CARLAR Influence: A Structured Hallucination Risk in Multimodal Cheque Extraction and an Exploratory Compressed-Image Countermeasure
Arxiv
0+阅读 · 10月19日
EGI-BENCH: An Enterprise General Intelligence Benchmark Suite
Arxiv
0+阅读 · 10月19日
HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs
Arxiv
0+阅读 · 10月20日
HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs
Arxiv
0+阅读 · 10月19日
How Well Can LLMs Verbalize Mathematical Formulas? A Multi-Domain Evaluation
Arxiv
0+阅读 · 10月17日
Maestro: Agentic Formal Proof Development by Coordination
Arxiv
0+阅读 · 10月19日
ClinSeekAgent: Automating Multimodal Evidence Seeking for Agentic Clinical Reasoning
Arxiv
0+阅读 · 10月16日
CANVAS: Captioning Art with Narrative Visual-Audio AI Systems
Arxiv
0+阅读 · 10月16日
FormInv: A Measurement Protocol for Semantic Invariance in Mathematical Reasoning Benchmarks
Arxiv
0+阅读 · 10月16日
Praxist: From Experimental Artifacts to Solution Lineages
Arxiv
0+阅读 · 10月15日
Training Reasoning Models to Generate Diverse Scientific Ideas
Arxiv
0+阅读 · 10月15日
Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures
Arxiv
0+阅读 · 10月16日
Can LLMs predict the outcomes of machine learning experiments?
Arxiv
0+阅读 · 10月15日
3DCodeVerse: Exploring 3D Worlds as Code
Arxiv
0+阅读 · 10月15日
Benchmarking and Enhancing Agentic Causal Discovery
Arxiv
0+阅读 · 10月16日
参考链接
微信扫码咨询专知VIP会员
Top