热点事件观察中
研究团队提出通过约束结构预估LLM任务复杂度的CIRCE
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月，研究人员在 arXiv 发布论文提出 CIRCE 方法，旨在通过问题的内在约束结构预先预测大语言模型（LLM）的任务复杂度。该方法利用低成本 LLM 构建约束中间表示并编译为约束图。在涵盖 SAT、逻辑和数学的 7 个推理基准以及 4 个 LLM 的评测中，CIRCE 即便使用随机初始化的 GNN 编码器，也能提升对模型回答正确性的预测能力。与最强基线相比，CIRCE 将负对数似然从 0.465 降低至 0.423，同时将 AUROC 指标从 0.691 提升至 0.727。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
研究团队提出 CIRCE，通过将约束编译为图结构预估 LLM 任务复杂度。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AICIRCE：通过约束结构预测 LLM 任务复杂度
新研究提出 CIRCE，利用低成本 LLM 构建约束中间表示并编译为约束图，通过问题的内在约束结构预先预测 LLM 任务复杂度。在涵盖 SAT、逻辑和数学的 7 个推理基准及 4 个 LLM 测试中，即便使用随机初始化的 GNN 编码器也能提升回答正确性预测。相比最强基线，其负对数似然从 0.465 降至 0.423，AUROC 从 0.691 提升至 0.727。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。