LLM奥赛证明验证数据集与MABGrader提出

2026年10月28日，arXiv Artificial Intelligence 刊出 Azim Ospanov 等作者的数学验证研究。研究构建了经专家评分的 USAMO 2025 候选解答数据集，并据此系统评估 LLM 对奥赛级自然语言证明的验证能力。评估覆盖 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，结论是前沿模型在该任务上仍有明显提升空间。同一来源还称作者提出 TROJAN 对抗证明生成流程与 MABGrader 评分框架，但现有证据仅直接支持数据集构建与验证评估的表述。目前进展停留在论文发布与评测结果公布阶段，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。