本文通过反例生成与定义修正的迭代循环评估大语言模型的概念分析能力,发现多轮迭代易导致定义冗长且推理收益递减,表明该循环可作为测试模型持续哲学推理能力的基准。
机构:UT Austin
来源:arXiv 2605.03936 | AI4Papers 论文推荐平台