LinAlg-Bench发布揭示LLM线性代数结构性失效
热点事件持续更新
LinAlg-Bench发布揭示LLM线性代数结构性失效
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究团队在arXiv发布诊断性基准LinAlg-Bench，该基准包含660道经SymPy验证的题目及6,600条模型输出，旨在评估10个前沿大语言模型在3x3至5x5矩阵维度梯度上的线性代数计算能力。 自动化流程将1,156个错误归类为十种主要标签，研究发现模型故障并非随机分布，而是受到算法类型与维度约束的影响，呈现出明显的结构性特征。 研究指出模型在4x4规模存在行为阈值，4x4以上主要失败模式由执行错误转为“计算放弃”与“幻觉编造”；同时证明解题策略僵化是预测5x5行列式准确率的近乎完美指标，团队已公开所有数据与评估管道。
AI 根据报道生成 · 22 小时前更新
最新进展11月6日 13:00
LinAlg-Bench：揭示 LLM 数学推理结构性故障模式的前瞻性基准报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · AILinAlg-Bench：揭示 LLM 数学推理结构性故障模式的前瞻性基准
LinAlg-Bench 发布，评估 10 个前沿 LLM 在 3x3 至 5x5 线性代数计算上的表现，发现模型在 4x4 规模存在行为阈值。 基准包含 660 道 SymPy 验证题目及 6,600 条模型输出，通过自动化流程将 1,156 个错误归类为十种主要标签。 研究表明，模型故障非随机而是受算法类型与维度约束，且 4x4 以上主要失败模式转为“计算放弃”与“幻觉编造”，而非执行错误。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月6日 14:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。