Bilanz der Quelle: Der neue Benchmark Heuresis deckt auf, dass bestehende Kausalitäts-Benchmarks durch sprechende Variablennamen aufgebläht werden, da Modelle die Ursache-Wirkungs-Richtung allein aus den Namen erraten können. Mit anonymisierten Datensätzen schlägt GPT-6.1 Sol den bisherigen besten Algorithmus deutlich und holt 14 Prozent F1 aus den Daten.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
