研究LLM评分奥数证明并提出MABGrader
热点事件持续更新
研究LLM评分奥数证明并提出MABGrader
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
论文作者发布论文，系统研究大语言模型评阅奥赛级证明的能力，并提出MABGrader评分框架。作者称，MABGrader在Quadratic Weighted Kappa上比当时的SOTA ProofGrader高出26.4%，评分错误降低14%；代码和数据集已公开。 研究构建了含专家评分的USAMO 2025候选人解答数据集，提出对抗性证明生成管线TROJAN，测试了20个模型、7项指标、2种提示风格和3种推理方法，发现SOTA模型在验证证明上仍有较大提升空间。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
LLM 能否可靠评阅奥数证明？大语言模型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 能否可靠评阅奥数证明？大语言模型数学验证研究
一项新研究系统评估了 LLM 对 USAMO 2025 奥数证明的验证能力：研究团队构建了含专家评分的人工数据集，提出对抗性证明生成管线 TROJAN，并测试了 20 个模型、7 项指标、2 种提示风格、3 种推理方法，发现 SOTA 模型仍有较大提升空间。
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。