その他

So this is not a benchmark for software engineering agents. It’s meant to test core reasoning and in...

原題:So this is not a benchmark for software engineering agents. It’s meant to test core reasoning and in...

AI 要約

したがって、これはソフトウェアエンジニアリングエージェント向けのベンチマークではない。コーディングを通じて核心的な推論と知能をテストすることを目的としており、トップクラスの競技プログラマーが執筆した71ページの詳細な分析に裏付けられている。

要点

  • したがって、これはソフトウェアエンジニアリングエージェント向けのベンチマークではない。
  • コーディングを通じて核心的な推論と知能をテストすることを目的としており
  • トップクラスの競技プログラマーが執筆した71ページの詳細な分析に裏付けられている

概要

公開日時
更新日時
出典
X:谢赛宁 (@sainingxie)
カテゴリ
その他
原文を読む 情報源で全文を読む
おすすめの理由

o3与Gemini 2.5在IOI级竞赛题上零分,LLM推理天花板显现

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:So this is not a benchmark for software engineering agents. It’s meant to test core reasoning and in...。2025年6月17日。https://new.nat6.net/ja/news/cmnxjn7y800fusl9olidobi3y/

すべて見る →
  • モデルが多様体を操作するとき:計数タスクの幾何原理

    本研究はClaude 3.5 Haikuなどの言語モデルが純テキストから生物知覚に似た空間推論能力を学習し、固定幅テキストの自動折り返しタスクを完了する方法を探る。モデルは位置情報を2つの双対機構で表現する。離散特徴活性化と特徴多様体上の…

    Anthropic:Transformer Circuits(可解释性研究)その他AI スコア 78

  • 今AIをどう使うか:クイックガイド

    現時点でAIツールをどう選ぶかをまとめたクイックガイド。現在使う価値のあるAI製品とその具体的な使用方法に焦点を当て、読者が素早く使い始め、適切なツールを選べるよう支援する。

    Ethan Mollick:One Useful Thing(RSS)その他

  • 機構の(非)忠実性に関する玩具モデル

    本稿は「絶対値」玩具モデルを通じて、疎自動エンコーダ(SAE)やトランスコーダがニューラルネットワーク解釈時に生じ得る「機構非忠実性」問題を明らかにする。核心は、トランスコーダがモデルの入力-出力写像をよく近似できても、元モデルとは全く異…

    Anthropic:Transformer Circuits(可解释性研究)その他AI スコア 78

  • 干渉重みの玩具モデル研究

    本稿はニューラルネットワークの「干渉重み」と「重み重畳」現象を探り、これが特定例の帰属分析から大域回路分析への移行における核心的障害だと考える。玩具モデルでの初歩的探索を通じて3点を発見した。干渉重みは解釈を修正した玩具モデルで再現でき、…

    Anthropic:Transformer Circuits(可解释性研究)その他AI スコア 83

  • オープンを受け入れる

    DeepSeek の瞬間以降、AI 人材は閉鎖的な OpenAI、Anthropic から、オープンサイエンスとオープンソースを受け入れる META へと流れている。この「オープンを受け入れる」傾向は、業界の透明性、科学の進歩、安全規制に…

    X:Yann LeCun (@ylecun)その他