★ 2
arXiv 论文评估证明步骤验证的成本与适用条件
一篇 arXiv 论文系统评估了「证明步骤验证」流水线：把求解器答案改写为类型化步骤，再由 LLM 判定接受或拒绝。在 GPQA 与 AIME-2025 上，认证使答案匹配精度分别提升 31 和 46 个百分点，但覆盖率仅 35% 和 21%；在接近饱和的 MATH-500 上收益不超过 5 点却…
arXiv cs.AI6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
一篇 arXiv 论文系统评估了「证明步骤验证」流水线：把求解器答案改写为类型化步骤，再由 LLM 判定接受或拒绝。在 GPQA 与 AIME-2025 上，认证使答案匹配精度分别提升 31 和 46 个百分点，但覆盖率仅 35% 和 21%；在接近饱和的 MATH-500 上收益不超过 5 点却…