Mathematical Reasoning

数学推理是检验大模型深层智能的关键基准，涵盖算术、代数、几何、定理证明等。早期依赖符号系统与形式化证明助手，如今大语言模型通过思维链、程序辅助计算和强化学习提升多步推理正确率，代表性评测有 GSM8K、MATH 及竞赛级 AIME 题目。