arXiv · cs.AI· Azim Ospanov·· 20 小时前AI 评分40
LLM 能否可靠评判奥赛数学证明？一项基于 USAMO 2025 的系统性研究
Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
来源与原文
arXiv · cs.AI
作者：Azim Ospanov
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36767v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该研究系统评估了 LLM 对奥赛级自然语言数学证明的验证能力，构建了带专家评分的 USAMO 2025 候选解数据集，并提出 TROJAN 迭代式自评管线以批量生成高保真对抗性证明。评估覆盖 20 个模型、7 项指标、2 种提示风格、3 种推理方法，显示 SOTA 模型仍有较大改进空间。新提出的 MABGrader 框架将评分转化为 Multi-Armed Bandit 臂选择问题，在 Quadratic Weighted Kappa 上超越 SOTA ProofGrader 26.4%，评分误差降低 14%，代码和数据集已开源。
来源：arXiv · cs.AI · arxiv.org