Bilanz der Quelle: Der auf arXiv veröffentlichte Benchmark Tampered ML untersucht mit 1.858 Paaren aus rekonstruierten und manipulierten Versuchsvorschlägen, wie gut führende Sprachmodelle gezielte methodische Fehler erkennen. Die Ergebnisse zeigen, dass diese nur in 77,9 Prozent der Fälle korrekt identifiziert werden. Eine menschliche Validierung bestätigt 86 Prozent der Aufgaben als gültig.
🔗 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.
