Araştırma ekibi olimpiyat ajanları için çok oturumlu iş akışı sundu
HOA; bağımsız inceleme, yapılandırılmış bilgi notları ve biçimsel doğrulamayı birleştiriyor.
Olay / veri dönemi: 2026-10-09
Yayın: · Güncelleme:
Araştırmacılar, zor matematik ve bilim problemlerinde birden fazla ajan oturumunu yöneten HOA adlı açık bir iş akışı sundu. Sistem, aday çözümleri bağımsız bir inceleyiciye değerlendirtiyor, eksik alan bilgisini yapılandırılmış bir wiki ile sağlıyor ve Lean biçimsel kanıtlarını güvenilir doğrulayıcıyla kontrol ediyor.
Yazarlar HOA ile PutnamBench’te 672 problemi çözdüklerini ve Lean-Eval’de 251 probleme ulaştıklarını bildirdi. Deneyler ayrıca 2026 matematik, fizik, kimya ve programlama olimpiyatlarının resmî soru kümelerini kapsıyor; puanlama yöntemi alana göre insan incelemesi, kod testleri veya bir LLM hakemi içeriyor. Sonuçlar bu ölçüt ve görevlerle sınırlı; genel bilimsel keşif yeteneğini kanıtlamıyor.
Veriler
Ölçüt
Paper'ın deney raporundaki PutnamBench sonuçları
| HOA ile çözülen PutnamBench problemi | 672 | Paper'ın deney raporundaki PutnamBench sonuçları |
Yöntem
Rakamlar makalenin tanımladığı kıyaslama deneylerine aittir; saha ölçümü veya genel performans garantisi değildir.
Güncelleme:
Ölçüt
Paper'ın deney raporundaki Lean-Eval sonuçları
| HOA ile çözülen Lean-Eval problemi | 251 | Paper'ın deney raporundaki Lean-Eval sonuçları |
Yöntem
Rakamlar makalenin tanımladığı kıyaslama deneylerine aittir; saha ölçümü veya genel performans garantisi değildir.
Güncelleme:
Konular ve yerler
Konu önerileri
- Bilim ve teknolojiÖneri
- Preserved editorial category/topic; broad candidate onlyarxiv.org ↗
Coğrafi referanslar
Yalnızca kaynakta bulunan coğrafi referanslar gösterilir. Harici haritayı açmak isteğe bağlıdır. İsteğe bağlı haber haritaları OpenStreetMap kullanır. Haritayı açtığınızda IP adresiniz ve site adresi harita sağlayıcısına iletilir; harita yüklenmeden konum verileri metin olarak okunabilir.
- Çin · Yer rolü: Kapsam · Yer türü: Ülke veya bölge · Konum kesinliği: BölgeselKanıt
- Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗