跳到正文
arXiv · AI· Akif Islam, Mohd. Ruhul Ameen, Md. Ekramul Hamid·· 3 天前AI 评分23

逻辑链断裂点:开放权重模型推理退化控制变量基准测试

The Logic Chain Breaking Point: A Controlled-Variable Benchmark for Reasoning Degradation in Open-Weight Language Models

AI 导读

该基准测试通过幂次序列控制变量,评估16个开放权重模型在纯演绎、干扰及矛盾检测上的表现。 纯演绎链长至L=128时多数模型接近饱和,但面对不一致前提时表现最低,24B-27B指令微调模型得分为零。

来源:arXiv · AI · arxiv.org