arXiv Artificial Intelligence· Azim Ospanov, Zijin Feng, Ding Ding, Chengwu Liu, Haoli Bai, Jiacheng Sun, Lifeng Shang, Farzan Farnia·· 19 小时前AI 评分38
LLM 能否可靠批改奥赛证明？一项数学验证研究
Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
AI 导读
研究构建了经专家评分的 USAMO 2025 候选解答数据集，系统评估 LLM 对奥赛级自然语言证明的验证能力，覆盖 20 个模型、七项指标、两种提示风格、三种推理方法和三种提示模板，发现前沿模型仍有明显提升空间。
来源：arXiv Artificial Intelligence · arxiv.org