实体 MA-ProofBench

MA-ProofBench

PulseAugur coverage of MA-ProofBench — every cluster mentioning MA-ProofBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_91340 · Jun 15 · 04:00

新基准揭示大语言模型在数学分析定理证明方面存在困难

引入了一个新的基准MA-ProofBench，用于评估大语言模型（LLMs）在数学分析中的定理证明能力。该基准包含200个形式化的定理，涵盖六个核心主题，分为本科（第一级）和博士资格考试（第二级）两个难度级别。包括GPT-5.5在内的当前模型表现不佳，GPT-5.5在第一级上的Pass@8仅为16%，在第二级上仅为5%，凸显了形式推理能力方面的显著差距。已识别出的失败模式包括Mathlib幻觉和不完整的证明，并且非正式推理和正式推理的…