10:11
官方一手arXiv: DeepSeek@Nelson Higuera Ruiz, Markus Hofmarcher, Claudiu Leoveanu-Condrei
推荐理由：让模型自己从零写ASP规则，Claude、GPT-5等九个模型限时1小时。CLEVR有人拿满分，GQA上GPT-5跌到41.8%。
答案集编程
共 1 条相关 AI 资讯
7月31日
10:11
一项新研究让大语言模型在1小时内从空文件开始编写ASP理论，并用求解器在环评估。在CLEVR、GQA、CLEVRER三个VQA基准上，Claude Sonnet 4.6、Claude Opus 4.7、DeepSeek V4 Pro均达CLEVR 100%、GQA 92.8%-98.8%。GPT-5在CLEVR达98.7%，但在GQA仅41.8%。加入其他数据集的手写参考理论后，GPT-5准确率下降3-19个百分点，而其他前沿模型变化不超过±3.4个百分点。研究者已开源代码、提示词和蒸馏出的理论。