热点事件持续更新
LLM奥赛证明评分数据集与MABGrader提出
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.AI 收录一篇研究，关注大模型能否可靠地为奥赛级数学证明评分。该研究构建了 USAMO 2025 候选解答的人工评分数据集，并据此评测 20 个 LLM 对奥赛证明的验证能力，结果显示即使是 SOTA 模型，在此任务上仍有明显提升空间。研究同时提出 MABGrader，将评分过程重构为离散分数空间上的多臂老虎机臂选择问题；报道称其 Quadratic Weighted Kappa 比 ProofGrader 高 26.4%，评分误差降低 14%。目前该工作以预印本形式发布，暂无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
新论文发布 USAMO 2025 人工评分数据集，并提出 MABGrader 评分方法。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILLM 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
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。