English(EN) More Capable, Less Faithful: A Multilingual Analysis of Mathematical (Un)Solvability Detection in LLMs

新的多语言基准评估大型语言模型数学可解性检测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

arXiv上发表的一项新研究提出了首个用于评估大型语言模型（LLMs）数学可解性检测能力的多语言基准。该基准在现有ReliableMath数据集的基础上，增加了法语和希腊语问题，并保留了英语。研究人员发现，大型语言模型以一种普遍的、与语言无关的方式编码可解性信念，但像英语这样资源更丰富的语言在检测可解性方面表现出较低的忠实度。 AI

影响这项研究通过强调与语言无关的信念编码和忠实度问题，有望提高多语言大型语言模型中更强大的数学推理能力。

排序理由该集群包含一篇研究论文，详细介绍了用于评估大型语言模型能力的新的基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了用于评估大型语言模型能力的新的基准。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Maria-Eleni Zoumpoulidi, Nikolaos Xiros, Georgios Paraskevopoulos · 2026-09-01 04:00

更强大，更不忠实：LLM 数学（不可）解题能力多语言分析

arXiv:2608.30463v1 Announce Type: new Abstract: Solvability detection is one of the most challenging aspects of mathematical reasoning for Large Language Models (LLMs). While prior work has studied this capability extensively, these analyses have been limited to English. Conseque…

本文如何被排名

报道来源 [1]

更强大，更不忠实：LLM 数学（不可）解题能力多语言分析

相关实体

相关话题