arXiv cs.AI· Xinping Wang, Jie Ma, Rui Xing, Wensong Guo, Xiayi Zhang, Jianhao Deng, Zihao Zhou, Boqian Yang, Feijuan He·· 4 小时前AI 评分42
MAMath-Bench：面向多模态多智能体数学推理的过程感知与鲁棒性评测基准
MAMath-Bench: Process-Aware and Robust Evaluation of Multimodal Multi-Agent Mathematical Reasoning
AI 导读
MAMath-Bench 发布，包含 1,003 道涵盖文本、图像和音频的多模态数学题，用于评测多智能体系统。该基准通过细粒度里程碑标注，从解题正确性、推理过程可靠性和对抗鲁棒性三个维度进行评估。研究发现多智能体协作并不总能提升最终答案准确率，且当前系统对细微结构扰动导致的对抗性推理错误仍较脆弱。
来源：arXiv cs.AI · arxiv.org