mathematical-verification

标签

#mathematical-verification

超越答案键：大型语言模型在步骤级数学验证中的鲁棒性评估

arXiv cs.AI ↗ · 2026-09-01 缓存

本文引入了一个受控基准，用于评估大型语言模型在步骤级数学验证中的鲁棒性，揭示了在扰动解轨迹上性能的显著下降。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈