Shaden Alshammari

新的MathNet基准挑战领先AI模型的多语言推理能力

研究人员推出了MathNet，这是一个新的多模态、多语言数据集，旨在评估大型语言模型的数学推理和检索能力。该数据集包含来自47个国家和17种语言的30,000多个奥林匹克级别数学问题，跨越二十年。初步实验表明，像Gemini-3.1 Pro和GPT-5这样的当前最先进模型在这些复杂问题上仍然面临挑战，而像DeepSeek-V3.2-Speciale这样的检索增强生成模型则表现出显著的性能提升。