arXiv cs.AI· Azim Ospanov, Zijin Feng, Ding Ding, Chengwu Liu, Haoli Bai, Jiacheng Sun, Lifeng Shang, Farzan Farnia·· 3 小时前AI 评分42
LLM 能否可靠地评分奥林匹克数学证明？一项基于 LLM 的数学验证研究
Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
AI 导读
研究团队构建了 USAMO 2025 人工标注数据集，并评估了 20 个前沿 LLM 在数学证明验证中的表现。提出的 MABGrader 框架将评分重构为离散分数空间上的臂选择，其 Quadratic Weighted Kappa 比 SOTA 模型 ProofGrader 高 26.4%，评分错误率降低 14%。
来源：arXiv cs.AI · arxiv.org