長期推論のスキル移行を評価するスキルエントロピーとSkill^2-Bench

arXiv cs.CL ・ 2026-08-05

原題: Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning

AI による要約

長期推論におけるスキル移行の難易度を測る「スキルエントロピー」と、9分野558スキルで構成されたベンチマーク「Skill^2-Bench」を発表した。8つの最先端モデルを評価した結果、スキル移行の難易度が高いタスクほど性能差が顕著になった。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CL）をご確認ください。