Tag: Reasoning

All the articles with the tag "Reasoning".

• Codenames as a Benchmark for Large Language Models

  Published: 4 May, 2025 |  at  04:27 PM

  

  77.18 👍

  本论文提出使用Codenames游戏作为LLMs推理能力的基准，通过实验评估不同LLMs在语言理解、战略推理和合作方面的表现，展示了它们的独特行为和泛化潜力。

• Humanity's Last Exam

  Published: 4 May, 2025 |  at  04:28 PM

  

  58.39 👍

  本文引入HUMANITY'S LAST EXAM基准测试，通过专家创建的挑战性多模态问题，解决现有LLM基准饱和问题，评估模型在封闭式学术任务中的能力。

• Insight-V: Exploring Long-Chain Visual Reasoning with Multimodal Large Language Models

  Published: 8 May, 2025 |  at  10:22 AM

  

  97.91 😐

  Insight-V introduces a scalable data generation pipeline and a multi-agent system with iterative DPO training to significantly enhance long-chain visual reasoning in MLLMs, achieving up to 7.0% performance gains on challenging benchmarks while maintaining perception capabilities.

• Trace-of-Thought Prompting: Investigating Prompt-Based Knowledge Distillation Through Question Decomposition

  Published: 6 May, 2025 |  at  01:18 AM

  

  93.53 😐

  本文提出了 Trace-of-Thought Prompting，一种基于提示的知识蒸馏框架，通过将复杂问题分解为可管理的步骤，有效地将高资源模型的推理能力迁移到低资源模型，显著提升了低资源模型在算术推理任务上的表现，且无需大量微调。

• A Survey on Test-Time Scaling in Large Language Models: What, How, Where, and How Well?

  Published: 6 May, 2025 |  at  11:19 PM

  

  90.65 😐

  本文通过提出一个四维度分类框架（什么扩展、如何扩展、哪里扩展、扩展效果如何），系统综述了测试时扩展（TTS）在大型语言模型中的研究现状，为理解和应用推理阶段计算扩展提供了结构化视角和实践指导。