廉价大模型在数学证明评分方面可媲美前沿模型

一篇新的arXiv论文探讨了使用较小的、开放权重语言模型来评判数学证明的成本效益。研究发现，像GPT-OSS 120B、DeepSeek-V4 Flash和Gemma-4 31B这样的模型，在评分准确性方面可以媲美Claude Opus 4.7和Gemini 3.1 Pro等更昂贵的模型。研究人员提出，要求三个预算模型达成一致意见能提供最高的准确性和精确度，尽管这一具体规则需要独立验证。 AI

影响 证明了成本效益高的开放权重模型可以作为复杂评估任务的可行替代方案，可能降低研究成本。

排序理由 该集群包含一篇详细介绍人工智能研究新方法和发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• Claude Opus 4.7
• DeepSeek-V4 Flash
• Gemini-3.1 Pro
• Gemma 4.31B
• GPT-OSS 120B
• Hugging Face
• IMO-GradingBench

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →