Repovive 请 IMO/ICPC 决赛选手出题，实测 AI 评审数学证明的可靠性

Repovive 在举办首届数学竞赛后，联合 IOI、IMO、ICPC 决赛选手组成的团队，评估其 AI 评审的判分能力是否能可靠理解并核查高难度数学证明。团队挑出 534 份可疑或边缘提交，建立统一评分标准并制作专家参考判卷，再比较不同评分指令下模型判断与专家判断的一致性。作者提到，在全部竞赛提交的完整集合上准确率更高。