Le filThèmes : RechercheÉvaluations
Des chercheurs introduisent un benchmark du raisonnement mathématique des LLM selon quatre dimensions
1 sourcemis à jour il y a 1 jpertinence 3,0 sur5
L’essentiel
Des chercheurs identifient la découverte comme principal goulot d’étranglement du raisonnement mathématique. Ils proposent aussi un cadre d’autodistillation privilégiée par primitives qui améliore le raisonnement face aux références.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceShuo Xing, Zilin Dai, Chengyuan Qian et al.huggingface.co
The Missing Primitive: Diagnosing and Repairing Mathematical Reasoning in Large Language Models (site externe)
While Large Language Models (LLMs) have demonstrated striking capabilities on frontier mathematical problems, it remains unclear whether they possess the structural mathematical understanding underlying their solutions.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5