RealMath

新的基准和工具提升了LLM的数学推理能力 · 跟踪6个来源

研究人员为大型语言模型（LLMs）在数学推理方面引入了新的基准和评估方法。MIRA-Math侧重于最小化信息请求，模型必须请求一个缺失的事实来解决数学问题。此外，PluraMath扩展了现有的多语言基准，以包含代表性不足的语言，突显了高资源和低资源语言环境之间的性能差距。另外，一项评估SageMath增强型LLM代理的研究表明，当这些模型能够访问计算工具时，性能会显著提高，其中Qwen 3.7-Max和GPT-5.5表现出显著的改进。