会员服务
Bridging Technology and Humanities: Evaluating the Impact of Large Language Models on Social Sciences Research with DeepSeek-R1
Arxiv
0+阅读 · 3月20日
Bridging Technology and Humanities: Evaluating the Impact of Large Language Models on Social Sciences Research with DeepSeek-R1
Arxiv
0+阅读 · 3月21日
A recent evaluation on the performance of LLMs on radiation oncology physics using questions of randomly shuffled options
Arxiv
0+阅读 · 1月21日
A recent evaluation on the performance of LLMs on radiation oncology physics using questions of randomly shuffled options
Arxiv
0+阅读 · 1月3日
Can GPT-O1 Kill All Bugs? An Evaluation of GPT-Family LLMs on QuixBugs
Arxiv
1+阅读 · 2024年12月17日
AI Cyber Risk Benchmark: Automated Exploitation Capabilities
Arxiv
0+阅读 · 2024年12月9日
Can OpenAI o1 outperform humans in higher-order cognitive thinking?
Arxiv
0+阅读 · 2024年12月7日
O1 Replication Journey -- Part 2: Surpassing O1-preview through Simple Distillation, Big Progress or Bitter Lesson?
Arxiv
0+阅读 · 2024年11月25日
LLMs as Method Actors: A Model for Prompt Engineering and Architecture
Arxiv
0+阅读 · 2024年11月11日
Evaluating the Accuracy of Chatbots in Financial Literature
Arxiv
0+阅读 · 2024年11月11日
LLMs as Method Actors: A Model for Prompt Engineering and Architecture
Arxiv
0+阅读 · 2024年11月8日
From Medprompt to o1: Exploration of Run-Time Strategies for Medical Challenge Problems and Beyond
Arxiv
0+阅读 · 2024年11月6日
On The Planning Abilities of OpenAI's o1 Models: Feasibility, Optimality, and Generalizability
Arxiv
0+阅读 · 2024年10月14日
On The Planning Abilities of OpenAI's o1 Models: Feasibility, Optimality, and Generalizability
Arxiv
0+阅读 · 2024年10月11日
Scheherazade: Evaluating Chain-of-Thought Math Reasoning in LLMs with Chain-of-Problems
Arxiv
0+阅读 · 2024年10月11日
参考链接
微信扫码咨询专知VIP会员
Top