本研究提出了SATBench基准，以评估大型语言模型的逻辑推理能力，填补了推理规则研究的空白。通过自动生成难题，发现现有模型在复杂UNSAT问题上的最高准确率仅为65%。

SATBench：通过从SAT公式自动生成难题来评估大型语言模型的逻辑推理能力
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证