DEMO
LATEST / RESEARCH NOTE
長文推論の自己検証を測る架空ベンチマーク『MirrorBench』公開
答えの正しさだけでなく、途中で誤りを発見して修正できるかを測る研究用データセットです。
記事を読むSECTION / RESEARCH
論文、新手法、データセット、ベンチマーク、再現研究から、次に実用化される技術の芽を読み解きます。
01 ARTICLES
LATEST / RESEARCH NOTE
答えの正しさだけでなく、途中で誤りを発見して修正できるかを測る研究用データセットです。
記事を読む