cập nhật 1 giờ trước

⏱ Độ trễ thật của tab này: trung bình 3.6 giờ sau khi CVE được công bố (n = 1, sớm nhất 3.6 giờ). Số âm nghĩa là ta thấy trước ngày công bố.

24
NEBench R1: a Reasoning Benchmark for Evaluating Nuclear Domain Competence in Large Language Models
📄 Paper arXiv cs.AI 9 giờ trước

arXiv:2611.21682v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly being explored for knowledge-intensive and safety-critical applications in nuclear engineering. However, existing nuclear-domain benchmarks provide limited content coverage or focus pri…

🅲 hạng C