arXiv发布LLM验证奥数证明研究论文
热点事件持续更新
arXiv发布LLM验证奥数证明研究论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Azim Ospanov 等人发布论文，评估了 20 个前沿大语言模型在验证奥林匹克数学证明中的表现。研究团队构建了 USAMO 2025 人工标注数据集，并提出了 MABGrader 框架，将评分重构为离散分数空间上的臂选择。该框架的 Quadratic Weighted Kappa 比现有最佳模型 ProofGrader 高 26.4%，评分错误率降低 14%。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LLM 能否可靠地评分奥林匹克数学证明？一项基于 LLM 的数学验证研究报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILLM 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
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%。
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。