跳到正文
arXiv · AI· Xiaohong Chen, David Bucur, Chenglong Ma, Yi Zhang, Lingming Zhang, Sriram Vishwanath, Grigore Rosu·· 2026-10-09AI 评分25

评估真实程序中精确输出与检查点状态预测的基准测试

Evaluating Exact Output and Checkpoint-State Prediction in Real Programs

AI 导读

该基准测试包含来自 371 个 Python 和 C++ 程序的 400 个案例,在七个设置下评估了四个模型家族预测最终输出和检查点状态的能力。启用推理的设置比未启用的设置高出 33.1 至 55.2 个百分点。

来源:arXiv · AI · arxiv.org