EngTrace：面向工程推理可验证过程评估的符号化基准

EngTrace 是一个用于工程推理过程评估的符号化基准，包含 150 个专家认证模板，覆盖 5 个分支、15 个领域和 42 个方向，每题附带标准推理轨迹。其评估器检查最终答案、标准轨迹中间量（里程碑）覆盖率和展示的算术过程，基本不依赖 LLM 评判。在 11 个 LLM 上，最终答案几乎无法区分最强模型，但推导过程差异明显；错误答案仍能给出约一半标准里程碑，专家将多数错误归因于计算失误。