标签
本文研究廉价的开放权重大语言模型能否以远低于前沿模型的成本，同样可靠地评判自然语言数学证明。在 IMO-GradingBench 上，三个廉价评判模型在通过/不通过的一致性上与前沿模型相当，作者推荐“三者全部通过”的一致性规则以实现高性价比部署。