基准
COGS
用于评估神经网络和大型语言模型组合泛化能力的基准测试，揭示了模型在系统性组合能力方面的不足
时间轴 (近 90 天)
10月2日
研究者设计了SCAN、COGS、ARC等测试集来探测组合泛化能力
待验证50%
9月17日
SCAN、COGS等基准测试揭示了大型语言模型在系统性组合能力上的明显短板
待验证50%
9月8日
Lake和Baroni等人在SCAN、COGS等基准测试上验证，当前深度学习模型在系统性泛化方面存在显著不足
待验证50%
用于评估神经网络和大型语言模型组合泛化能力的基准测试，揭示了模型在系统性组合能力方面的不足
研究者设计了SCAN、COGS、ARC等测试集来探测组合泛化能力
SCAN、COGS等基准测试揭示了大型语言模型在系统性组合能力上的明显短板
Lake和Baroni等人在SCAN、COGS等基准测试上验证，当前深度学习模型在系统性泛化方面存在显著不足