arXiv 人工智能· Xinping Wang, Jie Ma, Rui Xing, Wensong Guo, Xiayi Zhang, Jianhao Deng, Zihao Zhou, Boqian Yang, Feijuan He·· 3 小时前AI 评分39
MAMath-Bench：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
研究人员推出多智能体数学推理基准 MAMath-Bench，包含涵盖 11 个数学类别及文本、图像、音频模态的 1,003 道题目。该基准提供细粒度里程碑标注，从解题正确性、过程可靠性与对抗扰动鲁棒性三个维度评测系统。评测发现多智能体协作未稳定超越强单 LLM 的最终准确率，虽提升了中间推理覆盖率却也带来了冗余。
来源：arXiv 人工智能 · arxiv.org