#verification
- Dockerless: верификатор программ без окружения для агентов кодирования ByteDance research
- LLM-as-a-Verifier: верификация как независимая ось масштабирования для LLM Stanford University / UC Berkeley / NVIDIA research
- Anthropic: LLM делают формальную верификацию ПО осуществимой в гораздо большем масштабе Anthropic research
- Горизонт верификации: ни одна функция вознаграждения не работает для агентов программирования при масштабировании Qwen (Alibaba) research
- OpenAI формирует консультативную группу по математике и AI OpenAI research
- AdvancedMathBench: набор бенчмарков для генерации и верификации математических доказательств InternLM research