OpenAI 的 Yang-Mills 證明程式碼與物理學家評估將於 2026 年 11 月 10 日在 GitHub 公開
負責審查 OpenAI Yang-Mills 證明的五名物理學家宣佈,將於 2026 年 11 月 10 日在 GitHub 公開完整 Lean 程式碼及委員會評估。
推薦理由:公開的 Lean 程式碼和委員會評估可供外界核對,但自然語言版證明未公開,且結果不涵蓋質量間隙問題。
負責審查 OpenAI Yang-Mills 證明的五名物理學家宣佈,將於 2026 年 11 月 10 日在 GitHub 公開完整 Lean 程式碼及委員會評估。
推薦理由:公開的 Lean 程式碼和委員會評估可供外界核對,但自然語言版證明未公開,且結果不涵蓋質量間隙問題。
ThinkingBox-Training 已在 GitHub 開放,將智能體完成任務後的資料庫終態可執行檢查用作後訓練獎勵。以 GRPO 對 Qwen3.8-27B 訓練 50 步後,在 ThinkingBox-Bench 的 507 項任務(每項測試 20 次)中,pass@1 由 51.70% 升至 60.78%,20 次全部成功的任務由 38 項增至 107 項。
推薦理由:文章展示如何把資料庫終態的可執行檢查轉成智能體後訓練獎勵,並按基礎策略成功率篩選任務,説明混合成敗回報如何為 GRPO 提供組內對比。
GitHub 推出 ReviewBench,作為評測 AI 程式碼審查智能體的離線基準,研究預覽版已可透過網站使用。
推薦理由:ReviewBench以219個跨19種語言的公開PR建立評測集,並公開多來源標註與評分方法;資深工程師判斷與基準的一致率為96.6%。
MTEB 是一套評估文本嵌入模型在多種任務上表現的大型基準測試,並以排行榜彙整模型成績。該基準涵蓋 56 個數據集、8 類任務及最多 112 種語言,排行榜彙整 >2000 項結果。
推薦理由:MTEB 把 56 個數據集、8 類任務納入同一排行榜,並提供自行測試及提交結果的流程,方便按具體任務比較文本嵌入模型。