评估许可证意味着什么？Inspect Evals 中基于提交绑定的主张相对推理普查
What Does an Evaluation License? A Commit-Bound Census of Claim-Relative Inference in Inspect Evals
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究冻结了一个大型评估集合，尝试重放其历史主张，发现多数评估单元因重放所需证据未被绑定而中止。在可重放的部分，不同主张在不同分辨率下保持稳定。作者将这一原本隐式的推理步骤显式化并可执行，论文共 36 页，源码归档中包含可移植的复现包。
来源：Hugging Face Daily Papers · arxiv.org