arXiv cs.AI· Azim Ospanov, Zijin Feng, Ding Ding, Chengwu Liu, Haoli Bai, Jiacheng Sun, Lifeng Shang, Farzan Farnia·· 2 小时前AI 评分45
LLM 能否可靠地为奥赛证明评分？一项覆盖 20 个模型的数学验证研究
Can LLMs Reliably Grade Olympiad Proofs? A Study of Mathematical Verification with LLMs
AI 导读
研究构建 USAMO 2025 候选解答的人工评分数据集，评测 20 个 LLM 对奥赛级证明的验证能力，结果显示 SOTA 模型仍有明显提升空间。其 MABGrader 把评分重构为离散分数空间上的多臂老虎机臂选择，Quadratic Weighted Kappa 比 ProofGrader 高 26.4%，评分误差降低 14%。
来源：arXiv cs.AI · arxiv.org