arXiv 人工智能· Azim Ospanov, Zijin Feng, Ding Ding, Chengwu Liu, Haoli Bai, Jiacheng Sun, Lifeng Shang, Farzan Farnia·· 6 小时前AI 评分47
LLM 能否可靠批改奥数证明？一项大语言模型数学验证研究
Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
AI 导读
研究团队针对 LLM 验证奥数证明的能力展开系统评测，基于 USAMO 2025 专家评分数据集测试了 20 个模型，发现前沿模型仍有很大提升空间。团队还提出对抗证明生成流水线 TROJAN 与评分框架 MABGrader，后者相比 SOTA 的 ProofGrader 将评分误差降低 14%，Quadratic Weighted Kappa 提升 26.4%。
来源：arXiv 人工智能 · arxiv.org