ArgGYM：用于结构化可撤销推理的程序化引擎验证基准

英文标题：ArgGYM: A Procedural, Engine-Verified Benchmark for Structured Defeasible Reasoning

ArgGYM 是一个面向结构化可撤销推理的程序化基准，并采用引擎验证机制评估结果。论文将其置于大语言模型推理基准与可自动验证奖励的强化学习环境发展背景下。作者指出，数学、代码和形式逻辑等领域的自动可验证环境已推动推理能力进展，ArgGYM 旨在将这一思路扩展至可撤销推理任务。该基准可为开发者评估和训练 Agent 或推理模型提供更具可验证性的环境。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB