SOCK: A Benchmark for Measuring Self-Replication in Large Language Models
Anzeige
Ähnliche Artikel
arXiv – cs.AI
•
Neues Benchmark deckt Schwächen großer Sprachmodelle im Mathematik‑Denken auf
arXiv – cs.AI
•
Mehr aus Weniger lernen: REPCORE nutzt interne Zustände zur Benchmark-Kompression
arXiv – cs.AI
•
AMA: Adaptive Memory durch Multi-Agenten-Kollaboration
arXiv – cs.AI
•
LLMs können Enterprise-ETL SQL wirklich debuggen? UnserBench zeigt die Grenzen
arXiv – cs.AI
•
DeepPlanning: Benchmark für Agentenplanung mit überprüfbaren Grenzen
arXiv – cs.LG
•
ThinkTank-ME: Mehrfach-Experten-Framework für Ereignisprognosen im Nahen Osten