arxiv Moonshot AI (arXiv) · il y a 838 j

Compréhension approfondie des problèmes : la méthode atteint 97,1 % sur GSM8K

Traduit de English → Français

Les chercheurs proposent DUP (Deeply Understanding the Problems), une méthode conçue pour améliorer la capacité des grands modèles de langage à résoudre des problèmes mathématiques en traitant les erreurs d'incompréhension sémantique qui limitent souvent le raisonnement Chain-of-Thought.

DUP encourage les modèles à comprendre profondément les problèmes et à extraire les informations clés pour un meilleur raisonnement.
La méthode surpasse systématiquement ses homologues sur 10 benchmarks de raisonnement variés.
DUP atteint une nouvelle précision de pointe de 97,1 % sur le benchmark GSM8K dans un cadre zero-shot.

Cette approche traite un facteur majeur limitant les performances de raisonnement des LLM en se concentrant sur la compréhension sémantique plutôt que sur les simples erreurs de calcul ou d'omission d'étapes.

Importance 1/3 Moonshot AI (arXiv) Reasoning models Research paper

Benchmarks

Benchmark	Modèle	Score
GSM8K	DUP method	97.1%

Lire l'original

Astra d'OpenAI résout 10 grands problèmes ouverts de mathématiques

OpenAI a publié les résultats de son modèle interne non diffusé, Astra, qui a réussi à résoudre dix problèmes ouverts importants en mathématiques. Les solutions ont été générées par le modèle puis formalisées en certificats Lean par des chercheurs humains.

blog Simon Willison · il y a 8 j · 12 vues

Le modèle Astra d'OpenAI résout dix problèmes mathématiques de longue date en utilisant GPT-5.6 Sol

OpenAI a publié des solutions à dix problèmes de mathématiques et d'informatique théorique qui n'avaient connu aucun progrès sur leurs résultats principaux depuis au moins une décennie, en utilisant une version interne de son prochain modèle majeur, Astra.

arxiv arXiv cs.AI · il y a 17 j · 1 vue

PoTRE présente un cadre multi-agents hétérogène pour le raisonnement au moment du test

Les auteurs présentent PoTRE (Poly-Topological Reasoning Ensembles), un cadre conçu pour pallier les limites de l'invocation standard en flux unique dans les tâches de raisonnement complexes. PoTRE découple l'inférence en quatre agents distincts : un Agent d'affinement adversarial, un Agent de planification stratégique hiérarchique, un Agent de recherche spectrale et un Agent à chaîne directe.

arxiv arXiv cs.AI · il y a 24 j

Deep Interaction permet une correction humaine précise des erreurs de raisonnement des LLM

Les auteurs proposent Deep Interaction, une méthode d'interaction homme-IA efficace conçue pour corriger les erreurs de raisonnement dans les grands modèles de langage sans nécessiter de régénération complète de la réponse. Ce mécanisme permet aux utilisateurs de modifier directement la réponse Chain-of-Thought originale, préservant les étapes précises tout en corrigeant les erreurs.

arxiv arXiv cs.CL · il y a 25 j

Ring-Zero met à l'échelle le RL zéro jusqu'à 1T de paramètres pour un raisonnement émergent

Les chercheurs présentent Ring-Zero, un pipeline d'entraînement stable qui met à l'échelle l'apprentissage par renforcement avec des récompenses vérifiables vers des modèles disposant d'un billion de paramètres, répondant ainsi à des problèmes tels que la redondance des tokens et la mauvaise lisibilité observés dans les mises à l'échelle naïves.