热点事件持续更新
研究人员推出多模态多智能体数学推理基准MAMath-Bench
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究人员推出了多模态多智能体数学推理评测基准 MAMath-Bench。该基准共包含 1,003 道题目，涵盖 11 个数学类别以及文本、图像、音频三种模态，并提供细粒度的里程碑标注。基准主要从解题正确性、过程可靠性和对抗扰动鲁棒性三个维度评测系统。评测结果显示，多智能体协作并未稳定超越强单 LLM 的最终准确率，尽管多智能体协作提升了中间推理覆盖率，但也由此带来了冗余。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
研究人员推出含1003道题的基准MAMath-Bench，评测显示多智能体未稳定超越强单模型。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv 人工智能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
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。
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。